帮我写个代码，针对pytorch模型的显著图生成代码

好的，下面是一个简单的基于PyTorch的显著图生成代码：

import torch
import torch.nn.functional as F
from torchvision import transforms

def generate_saliency_map(model, image):
    # 将图片转换为张量并添加批次维度
    image = transforms.ToTensor()(image).unsqueeze(0)
    
    # 设置模型为评估模式，并将张量输入模型
    model.eval()
    with torch.no_grad():
        output = model(image)
    
    # 计算梯度并计算显著图
    gradients = torch.autograd.grad(outputs=output, inputs=image)[0]
    saliency_map = torch.abs(gradients).squeeze().max(0)[0]
    
    # 归一化显著图并返回
    saliency_map = F.interpolate(saliency_map.unsqueeze(0).unsqueeze(0), size=image.shape[2:], mode='bilinear', align_corners=False)
    saliency_map = (saliency_map - saliency_map.min()) / (saliency_map.max() - saliency_map.min())
    
    return saliency_map.squeeze().numpy()

这个函数接受一个PyTorch模型和一个PIL图像作为输入，并返回对应的显著图。它首先将图像转换为张量，并将其添加到批次维度中。然后，它将模型设置为评估模式，并使用`torch.no_grad()`上下文管理器来禁用梯度计算。接下来，它计算输出相对于输入的梯度，并使用`torch.abs()`函数计算梯度的绝对值。最后，它对显著图进行插值和归一化，并将其返回。