python代码yolov5如加载本地模型

要加载本地的 YOLOv5 模型，可以使用 `torch` 库中提供的 `load` 函数。下面是一个简单的 Python 代码示例，演示如何加载本地的 YOLOv5 模型并进行推理：

import torch
from PIL import Image

model_path = 'path/to/your/local/model.pt'
img_path = 'path/to/your/image.jpg'

# Load model
model = torch.load(model_path, map_location=torch.device('cpu'))['model'].float()
model.eval()

# Load image
img = Image.open(img_path)
img = img.resize((640, 640))
img_tensor = transforms.ToTensor()(img).unsqueeze_(0)

# Run inference
with torch.no_grad():
    detections = model(img_tensor)

# Process detections
...

在这个示例中，我们首先从本地加载 YOLOv5 模型，然后加载要进行推理的图像。接下来，我们使用 `model` 对象对图像进行推理，并将结果存储在 `detections` 变量中。最后，我们可以使用 `detections` 变量来处理检测结果。

请注意，我们使用了 `map_location=torch.device('cpu')` 参数来将模型加载到 CPU 上。如果你的模型已经在 GPU 上训练并且你有可用的 GPU，可以将此参数删除以将模型加载到 GPU 上。

此外，请确保安装了必要的依赖项，例如 `torch` 和 `Pillow`。