修改以下代码，用for循环遍历图片的文件夹 def get_results(item): #读取文件 # file = get_files(path) #加载模型 model = Net() checkpoint = torch.load('./imageupload/weights.tar',map_location='cpu') model.load_state_dict(checkpoint['model_state_dict']) # for i, item in enumerate(file): #加载图片 item=Imggg.open(item).convert('L') #输入至模型 score=model(process_image(item)) #计算softmax，即该图片属于各类的概率 #probability = nn.functional.softmax(score,dim=1) #找到最大概率对应的索引号，该图片即为该索引号对应的类别 _,lable= torch.max(score,1) return classes[lable] folder_path = 'F:/项目2 服装分类助手/服装分类助手-工程/fashion-classify/imageupload/tupian' a = 0 b = 0 for filename in os.listdir(folder_path): img_path = os.path.join(folder_path, filename) class_label = get_results(img_path) # 假设此函数可以获取图片的类别标签 if class_label == '真实标签': a += 1 else: b += 1 print(a / (a + b))

以下是修改后的代码，使用for循环遍历图片的文件夹并计算真实标签的比例：

from PIL import Image
import torch
import torch.nn as nn

def get_results(item):
    model = Net()
    checkpoint = torch.load('./imageupload/weights.tar', map_location='cpu')
    model.load_state_dict(checkpoint['model_state_dict'])
    item = Image.open(item).convert('L')
    score = model(process_image(item))
    _, label = torch.max(score, 1)
    return classes[label]

folder_path = 'F:/项目2 服装分类助手/服装分类助手-工程/fashion-classify/imageupload/tupian'
a = 0
b = 0

for filename in os.listdir(folder_path):
    img_path = os.path.join(folder_path, filename)
    class_label = get_results(img_path)  # 假设此函数可以获取图片的类别标签
    
    if class_label == '真实标签':
        a += 1
    else:
        b += 1

print(a / (a + b))

请注意，代码中使用的`Net()`、`process_image()`和`classes`是您自己定义的部分，因此需要根据您的实际情况进行相应修改和补充。另外，确保您已经导入了必要的库和模块。