对这段代码使用多线程：# 获取路径下所有图片 image_files = get_image_files('C:/Users/xyzhuge/Desktop/detect-mamaclouds-yolov5-v2/detect-mamaclouds-yolov5-linux-main/res/') # 对每张图片进行预测 for image_file in image_files: # 加载图片 image = Image.open(image_file) # 预处理 input_data = transform(image).unsqueeze(0).numpy() # 运行推理 ort_inputs = {ort_session.get_inputs()[0].name: input_data} ort_outputs = ort_session.run(None, ort_inputs) # 获取预测结果 predicted_class = np.argmax(ort_outputs[0]) print(f'Image: {image_file}') print(f'Predicted class: {predicted_class}') # 当为0时，删除图片 if predicted_class == 0: # 将每条数据保存到txt中 path_all_files = open('./del_files.txt','a') path_all_files.write(image_file+'\n') path_all_files.close() os.remove(image_file) print('Deleted')

你可以使用多线程来加速这段代码的执行。下面是使用多线程的示例代码：

import concurrent.futures

# 创建线程池
executor = concurrent.futures.ThreadPoolExecutor()

# 获取路径下所有图片
image_files = get_image_files('C:/Users/xyzhuge/Desktop/detect-mamaclouds-yolov5-v2/detect-mamaclouds-yolov5-linux-main/res/')

# 定义处理图片的函数
def process_image(image_file):
    # 加载图片
    image = Image.open(image_file)
    # 预处理
    input_data = transform(image).unsqueeze(0).numpy()
    # 运行推理
    ort_inputs = {ort_session.get_inputs()[0].name: input_data}
    ort_outputs = ort_session.run(None, ort_inputs)
    # 获取预测结果
    predicted_class = np.argmax(ort_outputs[0])
    print(f'Image: {image_file}')
    print(f'Predicted class: {predicted_class}')
    # 当为0时，删除图片
    if predicted_class == 0:
        # 将每条数据保存到txt中
        path_all_files = open('./del_files.txt','a')
        path_all_files.write(image_file+'\n')
        path_all_files.close()
        os.remove(image_file)
        print('Deleted')

# 提交任务给线程池
for image_file in image_files:
    executor.submit(process_image, image_file)

# 关闭线程池，等待所有任务完成
executor.shutdown()

这段代码会将每个图片的处理任务提交给线程池，并行执行。请注意，在多线程环境下使用共享资源（如文件写入）时需要进行适当的同步操作，以避免竞争条件。