请输出以下代码：利用python训练支持向量机模型，利用网格搜索法进行参数调优，并用cross_val_predict函数进行十折交叉验证

以下是利用Python训练支持向量机模型，利用网格搜索法进行参数调优，并用cross_val_predict函数进行十折交叉验证的代码：

from sklearn.svm import SVC
from sklearn.model_selection import GridSearchCV, cross_val_predict
from sklearn.datasets import load_iris

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 定义SVM模型
svm_model = SVC()

# 定义参数网格
param_grid = {'C': [0.1, 1, 10], 'kernel': ['linear', 'rbf'], 'gamma': [0.1, 1, 10]}

# 网格搜索，寻找最优参数
grid_search = GridSearchCV(svm_model, param_grid, cv=10)
grid_search.fit(X, y)

# 输出最优参数
print("Best Parameters: ", grid_search.best_params_)

# 用cross_val_predict函数进行十折交叉验证
y_pred = cross_val_predict(grid_search.best_estimator_, X, y, cv=10)

# 输出预测结果
print("Predicted Labels: ", y_pred)