Yolov5 pt模型使用 python代码

以下是使用Python代码加载和使用YOLOv5 PT模型的示例：

import torch
import cv2
import numpy as np

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

# 加载图像
img = cv2.imread('test.jpg')

# 预处理图像
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img = np.transpose(img, (2, 0, 1))
img = np.expand_dims(img, axis=0)
img = img.astype(np.float32) / 255.0

# 推理
results = model(torch.from_numpy(img))

# 可视化结果
results.print()
results.show()

在这个示例中，我们首先使用`torch.hub.load`函数从`ultralytics/yolov5`仓库加载YOLOv5 PT模型。我们使用`yolov5s`版本，并在加载时设置`pretrained=True`，以使用预训练的权重。

然后，我们加载图像并将其预处理为适合模型的格式。最后，我们使用加载的模型进行推理，并使用`print`和`show`方法可视化结果。

请注意，这只是一个简单的示例。在实际应用中，您可能需要对结果进行后处理，以提取感兴趣的对象并进行更精确的定位和分类。