仅用于pytorch训练的图像分类模型。 python中的数据预处理方法如下：
data _ transform=transforms.com pose ([ transforms.resize (256 )，transforms.centercrop ) 224 )，transforms.toteter
字符串模型文件='模型路径'； 字符串图像文件='图像路径'； dnn : netnet=cv :3360 dnn :3360 readnetfromonnx (模型文件)； //读取网络和参数matimg=imread(imagefile )//测试图像cv:3360cvtcolor(img，img，cv:COLOR_BGR2RGB ) cv:3360resize(img，img，cv:3360size ) 256，256 )； img=blobfromimage(img，1.0f/255.0f，size ) 224，224 )，false，true )； //正确的输入格式STD :3360 vectorfloatmean _ value { 0.485、0.456、0.406}； STD : vectorfloatstd _ value { 0.229，0.224，0.225 }； cv:Mat dst； STD : vector cv :3360 matrgbchannels (3； cv:3360split(img，RGB通道)； for(autoI=0； i rgbChannels.size (； I ) { RGB channels [ I ]=(RGB channels [ I ]-mean _ value [ I ] )/std_value[i]； }cv:3360merge(RGBchannels，dst )； net.setinput(dst； //输入图像Mat result=net.forward (； //向前计算cout result1 endl； 进行c预处理后，上述c和python模型的输出值不同(向ONNX模型的转换没有问题，但不知为何向c的输出值与python不同)，进行softmax分类后，类别分类与python的模型一致