pytorch图像分类全流程（二）

本次使用的是ImageNet 1000类别信息，resnet18预训练模型。记录一些一坑和知识点。
在传入图片或视频之前我们都会对其进行预处理，归纳下来为四个字母RCTN：缩放、裁剪、转 Tensor、归一化，可以使用transforms.Compose()函数打包对应四个函数进行预处理，当然这里有个小坑，transforms.Compose()只接受pillow格式的图像，不能拿opencv传入图片。然后，需要用unsqueeze(0)函数给图像增加一个张数的维度，才能传入模型。
还有一些小细节，也是小坑：

1. pytorch里面应该输入RGB顺序的图片，但是图片如果拿opencv打开一定注意是BGR格式，应该转换成RGB格式在输入到pytorch中。
2. 如果要在图片上写入中文文字只能用pillow写入，opencv只能写入英文。分别使用的函数为draw.text()和cv2.putText()，具体如何使用可以自行查阅。
3. 在训练模型和使用模型预测时，可以使用cpu也可以使用gpu，我们知道图片都是以矩阵形式储存，tensor和numpy都是矩阵，但前者只能在GPU运行，后者只能在CPU运行。
   先写到这里，后面其他小坑会继续更新。