yolov5预测代码

为了进行yolov5的目标检测预测，可以使用以下代码：

import torch
from PIL import Image
from torchvision import transforms
from models.experimental import attempt_load
from utils.general import non_max_suppression, scale_coords
from utils.torch_utils import select_device

# 加载模型
weights = 'yolov5s.pt'
device = select_device('0')
model = attempt_load(weights, map_location=device)

# 图像预处理
img_size = 640
img = Image.open('test.jpg')
img = img.resize((img_size, img_size))
img_tensor = transforms.ToTensor()(img).unsqueeze_(0).to(device)

# 进行预测
model.eval()
with torch.no_grad():
    pred = model(img_tensor)[0]
    pred = non_max_suppression(pred, conf_thres=0.25, iou_thres=0.45)

# 后处理
if pred[0] is not None:
    pred = pred[0].cpu()
    pred[:, :4] = scale_coords(img_tensor.shape[2:], pred[:, :4], img.size).round()
    for c in pred[:, -1].unique():
        n = (pred[:, -1] == c).sum()
        print(f'{n} {names[int(c)]} found')

其中，`weights`是模型权重文件的路径，`device`是设备的编号，`img_size`是输入图像的大小，`img`是待检测的图像，`names`是类别名称列表。在预测过程中，首先对图像进行预处理，然后使用`model`进行预测，最后对预测结果进行后处理，得到检测框和类别信息。