假设你是一个pytorch，请写出一个resnet50模型，其中模型的预训练pretrain=true，分类数是10class=10

好的，以下是一个PyTorch中pretrain=true、class=10的ResNet50的模型代码。

import torch.nn as nn
import torchvision.models as models

class ResNet50(nn.Module):
    def __init__(self, num_classes=10):
        super(ResNet50, self).__init__()
        self.resnet50 = models.resnet50(pretrained=True)
        num_ftrs = self.resnet50.fc.in_features
        self.resnet50.fc = nn.Linear(num_ftrs, num_classes)
        
    def forward(self, x):
        x = self.resnet50(x)
        return x

这个模型使用了预训练的ResNet50模型，并在其最后一层上进行了修改，以输出10个类别的概率。由于预训练的ResNet50已经具有较好的特征提取能力，因此我们可以直接使用它来进行迁移学习，只需在其后添加一个全连接层来适应新的分类任务即可。