用jupyter写一个简单的图片识别界面，模型类型为pth

首先，需要安装必要的库，包括PyTorch、numpy、Pillow以及ipywidgets。可以使用以下代码进行安装：

!pip install torch numpy Pillow ipywidgets

然后，需要加载训练好的模型，可以使用以下代码：

import torch

# 加载模型
model = torch.load('model.pth')

接下来，需要编写一个函数来对输入的图片进行预测并显示结果。代码如下：

from PIL import Image
import numpy as np
import ipywidgets as widgets
from IPython.display import display

# 定义分类名称
classes = ['cat', 'dog']

# 定义预测函数
def predict(image_path):
    # 打开图片并进行预处理
    image = Image.open(image_path)
    image = image.resize((224, 224))
    image = np.array(image) / 255.0
    image = (image - np.array([0.485, 0.456, 0.406])) / np.array([0.229, 0.224, 0.225])
    image = image.transpose((2, 0, 1))
    image = np.expand_dims(image, axis=0)
    image = torch.tensor(image, dtype=torch.float32)

    # 进行预测
    with torch.no_grad():
        output = model(image)
        output = torch.softmax(output, dim=1)
        class_index = output.argmax()

    # 显示结果
    result = classes[class_index]
    print('Prediction:', result)

    # 显示图片
    display(Image.open(image_path))

最后，可以使用ipywidgets库创建一个文件选择器和按钮，让用户可以选择图片并进行预测。代码如下：

file_selector = widgets.FileUpload()
predict_button = widgets.Button(description='Predict')

def on_predict_button_clicked(button):
    # 获取上传的文件并进行预测
    for file_name in file_selector.value.keys():
        with open(file_name, 'wb') as f:
            f.write(file_selector.value[file_name]['content'])
        predict(file_name)

predict_button.on_click(on_predict_button_clicked)

display(file_selector)
display(predict_button)

完成以上步骤后，就可以在Jupyter Notebook中创建一个简单的图片识别界面了。用户可以选择一张图片，点击预测按钮，模型会对图片进行预测并显示结果。需要注意的是，此代码仅适用于单张图片的预测，如果需要对多张图片进行预测，需要对代码进行相应的修改。