FastAI03-模型投入生成环境

FastAI模型在训练完成之后，需要投入到生成环境中，用于新图片的预测。

1. 模型的保存和加载

模型的导出可以使用：

learn.export() 

这个会在目录中创建一个名为export.pkl的文件，它包含了部署模型所需要的所有内容（模型，权重以及一些元数据）等，但我本人不太愿意用这种方法，因为我无法准确指定保存的路径和名称，这时，可以用：

learn.export('/home/ray/DataSet/models/model_resnet50_V190918.pkl')

模型的加载也可以使用：
learn = load_learner(path)，此时会加载path中export.pkl这个模型，但是如果是我们自己定义了模型的保存路径，可以使用：

saved_learn=load_learner('/home/ray/DataSet/models',file='model_resnet50_V190918.pkl')

2. 模型的预测

对于新图片的预测，可以使用：

img = open_image(path/'grizzly bear/2.grizzly_pam-hartman_0_epv0457.jpg')
pred_class, pred_idx, outputs = learn.predict(img)
pred_class

所得到的pred_class就是预测出来的类别，outputs是预测出来的各个不同类别的概率。

在生产环境中，很多时候并没有GPU，所以我们要在CPU上进行预测，所以在预测之前，需要事先设置默认的设备：

defaults.device = torch.device('cpu')