使用gradio来测试yolov5训练后的模型

好的，我们可以使用 Gradio 来测试 YOLOv5 训练后的模型。首先，您需要安装 Gradio 和 YOLOv5。

安装 Gradio：

!pip install gradio

安装 YOLOv5：

!git clone https://github.com/ultralytics/yolov5.git

然后，您需要下载 YOLOv5 训练后的模型权重文件（.pt文件）。您可以在 https://github.com/ultralytics/yolov5/releases 下载预训练的模型权重文件，或者使用您自己训练的权重文件。

在您的 Jupyter Notebook 中，您可以使用以下代码来加载模型并使用 Gradio 进行测试：

import gradio as gr
import torch
import cv2
from PIL import Image
from pathlib import Path

# Load YOLOv5 model
model = torch.hub.load('ultralytics/yolov5', 'custom', path_or_model='path/to/your/weights.pt')

# Define prediction function
def predict(input_image):
    # Convert Gradio input image to OpenCV format
    input_image = cv2.cvtColor(input_image, cv2.COLOR_RGB2BGR)
    # Use YOLOv5 model to predict objects
    results = model(input_image)
    # Draw bounding boxes on image
    results.render()
    # Convert OpenCV image to PIL format
    output_image = Image.fromarray(cv2.cvtColor(results.imgs[0], cv2.COLOR_BGR2RGB))
    # Return predicted image
    return output_image

# Define Gradio interface
inputs = gr.inputs.Image()
outputs = gr.outputs.Image()
gr_interface = gr.Interface(fn=predict, inputs=inputs, outputs=outputs, title='YOLOv5 Object Detection')

# Launch Gradio interface
gr_interface.launch()

在这个例子中，我们使用了 YOLOv5 预训练的模型权重文件。如果您使用自己的权重文件，需要将 `path/to/your/weights.pt` 替换为您的权重文件路径。