resnet使用pt模型推理的代码

以下是使用PyTorch模型对ResNet进行推理的示例代码：

import torch
import torchvision.models as models
import torchvision.transforms as transforms
from PIL import Image

# 加载模型
model = models.resnet50(pretrained=True)
model.eval()

# 定义图像预处理操作
transform = transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406],
                         std=[0.229, 0.224, 0.225])
])

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

# 预处理图像
img = transform(img)

# 添加批次维度
img = img.unsqueeze(0)

# 推理模型
with torch.no_grad():
    output = model(img)

# 获取预测结果
_, predicted = torch.max(output.data, 1)

print('Predicted class:', predicted.item())

在这个例子中，我们使用了ResNet-50模型，并使用了预训练的权重。我们还定义了一系列图像预处理操作，并将它们应用于输入图像。在推理过程中，我们首先将图像添加一个批次维度，然后将其输入到模型中进行推理。最后，我们使用`torch.max`函数获取预测结果，并将其打印出来。