如何在YOLOv5中加载和使用保存的模型？

在YOLOv5中加载预训练的模型通常涉及以下几个步骤：

1. **安装依赖**：首先确保你已经安装了`torch`, `yolov5`及其相关的库。你可以通过pip来安装：

   pip install torch torchvision
   pip install yolov5

2. **导入模块**：打开Python脚本，导入必要的模块：

   import torch
   from yolov5.models.experimental import attempt_load

3. **加载模型**：使用`attempt_load`函数加载.pt文件，可以指定路径和是否从头开始微调：

   model = attempt_load('path_to_your_saved_model.pth', map_location='cuda' if torch.cuda.is_available() else 'cpu')

4. **检查模型状态**：确认模型加载成功，并查看其大小和类别数：

   print(model)
   num_classes = model.num_classes

5. **预测示例**：准备好输入数据（例如，一张图片或一段视频帧），并进行前向传播以获取预测结果：

   img = ... # Load or create your input image
   results = model(img)
   boxes, labels, scores = results.xyxy, results.labels, results.pandas().xyxy[0].values

6. **可视化结果**：使用YOLOv5提供的工具或第三方库（如`matplotlib`或`opencv`）对预测结果进行可视化。

以上就是在YOLOv5中加载和使用保存模型的基本流程。