帮我编写yoloe的predict.py推理程序，要求输出格式为detect_result={"category":"6010001","num":15}的格式,并绘制标好框的图片

在YOLOv5（You Only Look Once v5）的预测脚本`predict.py`中，你需要先加载模型、设置输出格式，并读取输入图像。下面是一个基本的示例，展示了如何实现你的需求：

import torch
from PIL import Image
from models.experimental import attempt_load
from utils.datasets import LoadImages
from utils.general import non_max_suppression, apply_classifier, scale_coords

def yolov5_predict(image_path, model_path):
    # 加载模型
    device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
    model = attempt_load(model_path, map_location=device)

    # 设置输出格式
    def predict_image(img):
        img = Image.open(img)
        img = preprocess_image(img)  # 自定义预处理函数，通常包含resize和to_tensor
        img = img.unsqueeze(0).to(device)  # 添加通道维度并转到设备上
        pred = model(img)  # 运行预测
        pred = non_max_suppression(pred, conf_thres=0.5, iou_thres=0.4)  # NMS
        boxes, labels, scores = pred[:, :4], pred[:, 5:].argmax(-1), pred[:, 4]  # 分别提取坐标、类别标签和置信度
        return [{"category": str(labels[i]), "num": int(scores[i].item()), "bbox": boxes[i]} for i in range(len(labels))]

    detect_result = predict_image(image_path)
    return detect_result

def draw_boxes(image_path, detect_result):
    # 绘制边界框的图片，这里仅作演示，需要安装如matplotlib库并根据实际需求定制
    import matplotlib.pyplot as plt
    img = Image.open(image_path)
    for result in detect_result:
        bbox = result["bbox"]
        category = result["category"]
        num = result["num"]
        # 使用bbox coordinates and the image to draw bounding box with label
        # ... (实现具体的绘图逻辑)
    plt.imshow(img)
    plt.show()

# 使用示例
image_path = "path/to/image.jpg"
model_path = "path/to/yolov5s.pt"  # 根据你的YOLOv5模型路径替换
detect_result = yolov5_predict(image_path, model_path)
draw_boxes(image_path, detect_result)

这个示例假设你已经对YOLOv5进行了预训练，并有一个预处理图像的函数`preprocess_image()`。对于绘制边框的部分，由于涉及到绘图库的选择和布局细节，这里提供了一个简单的框架，你需要根据实际使用的绘图库添加相应的代码。