yolov8分类模型推理代码

YOLOv8是一种目标检测模型，它是YOLO系列的最新版本之一。下面是一个简单的示例代码，用于演示如何使用YOLOv8模型进行分类推理：

import torch
from torchvision import transforms
from PIL import Image

# 加载模型
model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)

# 图像预处理
transform = transforms.Compose([
    transforms.Resize((640, 640)),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

# 加载图像
image = Image.open('image.jpg')

# 图像预处理
input_image = transform(image).unsqueeze(0)

# 模型推理
output = model(input_image)

# 获取分类结果
class_names = model.module.names if hasattr(model, 'module') else model.names
class_index = output.argmax(dim=2)
class_labels = [class_names[i] for i in class_index]

# 打印分类结果
print(class_labels)

这段代码使用了`torchvision`库中的`transforms`模块进行图像预处理，使用了`PIL`库中的`Image`模块加载图像。首先，我们加载了预训练的YOLOv5s模型。然后，我们定义了一个图像预处理的转换函数，将图像调整为640x640大小，并进行归一化处理。接下来，我们加载了待分类的图像，并对其进行预处理。最后，我们使用模型进行推理，并获取分类结果。