怎么调用yolov5训练模型得到的置信度

在训练YOLOv5模型时，可以设置训练参数中的confidence_threshold参数来控制置信度的阈值。在推理时，可以使用模型的forward方法来获取预测结果，然后根据置信度阈值过滤掉预测结果中置信度小于阈值的部分。以下是使用pytorch加载YOLOv5模型并进行推理的示例代码：

import torch
import cv2
from models.experimental import attempt_load
from utils.general import non_max_suppression

# 加载模型
model = attempt_load('yolov5s.pt', map_location=torch.device('cpu'))

# 读取图像
img = cv2.imread('test.jpg')

# 推理
results = model(torch.from_numpy(img).float().unsqueeze(0) / 255.0)

# 非极大值抑制
results = non_max_suppression(results, conf_thres=0.5)

# 遍历预测结果
for result in results:
    # 获取置信度
    confidences = result[:, 4]
    print(confidences)

其中，results是一个列表，每个元素对应一张输入图像的预测结果，是一个[N, 6]的张量，第一维是预测框的数量，第二维包含了预测框的类别、置信度和四个坐标。可以通过result[:, 4]获取所有预测框的置信度。