（三十一）图形推理与类别名称

# 续写同一文件：training_project/src/readingtorch/predict.py
    # 先核对 8×8 像素，再补上批次轴和通道轴；将模型输出转换为概率与类别。
    def symbol(self, image):
        if self.saved["task"] != "images":
            raise ValueError("这份检查点用于页数回归")
        image = np.asarray(image, dtype=np.float32)
        if image.shape != (8, 8) or not np.isfinite(image).all():
            raise ValueError("请提供包含有限数值的 8×8 图像")
        x = torch.from_numpy(image.copy()).unsqueeze(0).unsqueeze(0).to(self.device)
        with torch.inference_mode():
            probabilities = self.model(x).softmax(1)[0].cpu()
        index = int(probabilities.argmax())
        return {
            "label": self.saved["classes"][index],
            "probabilities": probabilities.tolist(),
        }

单张图原为 (8,8)，先增加批次和通道两根轴，成为 (1,1,8,8)。模型输出 (1,3)，这时为展示结果调用 softmax，取最大概率的编号，再按检查点中的类别表得到“竖线”“横线”或“十字”。

image.copy() 让本次输入独立保存，随后转换为 float32 张量。图像的通道、长宽与有限数值都在这个入口核对，发生错误时直接说明需要的 8×8 输入。

单图依次补批次轴和通道轴，CNN 形成三个 logits，推理时转为概率，再按保存的类别表得到竖线名称