是否有 PyTorch 的模型（输入）像 TensorFlow 的 model.predict（输入）？

Question

我的目标是做 object 检测。 然而，YOLOv7 和（使用特征图创建边界框的技巧）教程使用的是 PyTorch。

问题是： model(inputs)没有类型。

代码L148-L150

        out = model(inputs)
        probs, class_preds = torch.max(out[0], dim=-1)
        feature_maps = out[1].to("cpu")

这迫使我调试helper.py文件以了解[0]和out[1]是什么。 目前，我假设out[0]作为 softmax 概率， out[1]作为特征映射。

Answer 1

我认为答案是否定的，一般来说，自动推断神经网络输出的语义意义并非易事； 这是输入的语义和 model 结构本身的产物。 您可以参考 model.py 中提供的 Yolo model.py架构（尽管顺便说一句，您不应该链接到外部代码，而是在您的问题本身中提供相关代码）并调查输出的结构，然后参考标记输入的结构（因为根据定义 model 正在学习复制标签的结构。）

在您的案例中，output 显然是每类概率，而 class 索引如第 149 行所示：

probs, class_preds = torch.max(out[0], dim=-1)

正如 pytorch 文档中torch.max的输出是（最大值，最大索引）。