微调后的YOLOv8分类器预测时触发TypeError错误求助

问题描述 #

在Roboflow上完成YOLOv8分类模型微调并下载最优参数后，执行如下预测代码：

model2 = YOLO("spectrogramfinetunedyolo.pt")
result = model2("640_X_640.jpg")

或调用model2.predict("640_X_640.jpg")时，持续报错：

TypeError: Unexpected type <class 'numpy.ndarray'>

已尝试修改文件类型、调整图片尺寸，问题仍未解决。

错误原因 #

报错源于torchvision的Resize变换无法处理numpy.ndarray类型的输入。该变换期望的输入为PIL Image或Tensor，但实际传入的是numpy数组，导致预处理流程中断。

解决方案 #

方案1：手动加载为PIL Image后传入模型 #

显式将图像以PIL格式加载，确保输入类型符合模型预处理要求：

from PIL import Image
from ultralytics import YOLO

model2 = YOLO("spectrogramfinetunedyolo.pt")
# 以PIL格式加载图像
img = Image.open("640_X_640.jpg")
# 执行预测
result = model2(img)

方案2：升级Ultralytics库到最新稳定版 #

部分旧版本可能存在图像加载与预处理的兼容问题，通过升级库修复：

pip install --upgrade ultralytics

方案3：调整模型预处理变换以支持numpy数组 #

如果需要直接处理numpy数组，可在模型的变换管道中添加numpy转PIL的步骤：

from torchvision import transforms
from ultralytics import YOLO

model2 = YOLO("spectrogramfinetunedyolo.pt")
# 获取当前模型的预处理变换
current_transforms = model2.predictor.transforms
# 新增numpy转PIL的变换，插入到现有变换前
new_transforms = transforms.Compose([
    transforms.ToPILImage(),
    *current_transforms.transforms
])
# 更新模型的预处理变换
model2.predictor.transforms = new_transforms

# 现在可以直接传入numpy数组或图像路径
result = model2("640_X_640.jpg")

内容的提问来源于stack exchange，提问作者Farida Yasser