给我一个使用预训练的resnet提取图像特征的python代码

使用预训练的resnet提取图像特征的Python代码如下：

import torch
import torchvision.models as models

# 加载预训练的resnet18模型
resnet18 = models.resnet18(pretrained=True)

# 将模型设置为评估模式
resnet18.eval()

# 加载一张图片
img = Image.open('image.jpg')

# 对图片进行预处理
preprocess = transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406],
                         std=[0.229, 0.224, 0.225])
])
img_tensor = preprocess(img)

# 增加一个维度，变成batch size为1的4D张量
img_tensor = img_tensor.unsqueeze(0)

# 使用resnet18提取图像特征
with torch.no_grad():
    features = resnet18(img_tensor)

# 将特征张量转换为NumPy数组
features = features.squeeze().numpy()

这段代码首先加载了预训练的resnet18模型，然后加载一张图片并进行预处理。接着将图片转换为张量，并使用resnet18模型提取特征。最后将特征张量转换为NumPy数组。