将yolov7的推理部分封装成函数

可以使用以下代码将 YOLOv7 的推理部分封装成函数：

import torch
import numpy as np
from models.experimental import attempt_load
from utils.general import non_max_suppression, scale_coords, xyxy2xywh
from utils.torch_utils import select_device


def yolov7_inference(img_path, conf_thres=0.25, iou_thres=0.45, device='cpu'):
    # Load model
    model = attempt_load('yolov7.pt', map_location=device)

    # Set device
    device = select_device(device)

    # Load image
    img = torch.from_numpy(np.array(Image.open(img_path)))

    # Inference
    img = img.to(device).float() / 255.0
    img = img.unsqueeze(0)
    pred = model(img)[0]
    pred = non_max_suppression(pred, conf_thres, iou_thres)

    # Post-processing
    if pred[0] is not None:
        pred[0] = scale_coords(img.shape[2:], pred[0][:, :4], img.shape[2:]).round()
        pred[0][:, :4] = xyxy2xywh(pred[0][:, :4]).round()

    return pred

这个函数接受一个图片路径作为输入，以及可选的置信度阈值、IOU 阈值和设备类型。它返回一个包含预测框的列表，每个预测框由左上角和右下角的坐标、置信度和类别 ID 组成。