加载预训练的Faster R-CNN模型

要加载预训练的 Faster R-CNN 模型，你需要先安装 PyTorch 和 TorchVision 库。然后，你可以使用 TorchVision 中的 `models.detection` 模块来加载预训练的 Faster R-CNN 模型。

以下是一个加载预训练 Faster R-CNN 模型的示例代码：

import torch
import torchvision
from torchvision.models.detection.faster_rcnn import FastRCNNPredictor

# 加载 Faster R-CNN 模型
model = torchvision.models.detection.fasterrcnn_resnet50_fpn(pretrained=True)

# 替换模型的分类头
num_classes = 2 # 例如，这里我们使用 2 类别的模型
in_features = model.roi_heads.box_predictor.cls_score.in_features
model.roi_heads.box_predictor = FastRCNNPredictor(in_features, num_classes)

# 将模型设置为评估模式
model.eval()

在上面的代码中，我们首先使用 `torchvision.models.detection.fasterrcnn_resnet50_fpn(pretrained=True)` 函数来加载预训练的 Faster R-CNN 模型。然后，我们使用 `FastRCNNPredictor` 类来替换模型的分类头，以适应我们的数据集。最后，我们将模型设置为评估模式。

注意，这里我们使用了 `num_classes=2`，因为我们假设我们的数据集只有两个类别。如果你的数据集有不同的类别数量，则需要相应地更改 `num_classes`。