用树莓派连接摄像头读取照片 输入进pytorch模型

首先，需要确保树莓派已经连接上摄像头，并且已经安装了pytorch模块。

接下来，需要通过摄像头获取图片，可以使用`picamera`模块来实现：

import picamera
import time

with picamera.PiCamera() as camera:
    camera.start_preview()
    time.sleep(2)
    camera.capture('image.jpg')

上面的代码中，首先使用`with picamera.PiCamera() as camera:`来打开摄像头，然后使用`camera.start_preview()`来打开预览窗口，接着使用`time.sleep(2)`等待2秒，最后使用`camera.capture('image.jpg')`来获取一张图片并保存到本地。

接下来，需要将获取到的图片输入到pytorch模型中进行预测。可以先将图片转换成numpy数组，然后使用pytorch的`torch.from_numpy()`方法将其转换成tensor：

from PIL import Image
import numpy as np
import torch

# 读取图片
image = Image.open('image.jpg')
# 转换成numpy数组
image_np = np.array(image)
# 转换成tensor
image_tensor = torch.from_numpy(image_np).permute(2, 0, 1).float()

上面的代码中，首先使用PIL库的`Image.open()`方法读取图片，然后将其转换成numpy数组，并使用pytorch的`torch.from_numpy()`方法将其转换成tensor。需要注意的是，在转换时需要将通道维度移动到前面，即从(H, W, C)变成(C, H, W)。

最后，将tensor输入到pytorch模型中进行预测，可以使用以下代码：

# 加载模型
model = torch.load('model.pth')
# 预测
output = model(image_tensor.unsqueeze(0))
# 获取预测结果
_, predicted = torch.max(output.data, 1)
print(predicted)

上面的代码中，首先使用`torch.load()`方法加载模型，然后将图片的tensor作为输入，经过模型的前向传播，得到预测结果。最后使用`torch.max()`方法获取预测结果中的最大值，并打印输出。需要注意的是，由于模型的输入需要是4维的，因此需要使用`unsqueeze(0)`将其添加一维。