python写一段代码将训练好的yolov5模型预测结果输出json格式

可以使用以下代码将训练好的 YOLOv5 模型的预测结果输出为 JSON 格式：

import torch
import json
from models.experimental import attempt_load
from utils.general import non_max_suppression, scale_coords
from utils.datasets import letterbox
from utils.torch_utils import select_device

# 加载模型
weights = 'path/to/weights.pt'
device = select_device('')
model = attempt_load(weights, map_location=device)

# 设置输入图像大小
img_size = 640

# 加载图像并进行预处理
img = 'path/to/image.jpg'
img0 = letterbox(img, new_shape=img_size)[0]
img = img0[:, :, ::-1].transpose(2, 0, 1)
img = np.ascontiguousarray(img)
img = torch.from_numpy(img).to(device)
img = img.float() / 255.0
img = img.unsqueeze(0)

# 进行预测
pred = model(img)[0]
pred = non_max_suppression(pred, conf_thres=0.5, iou_thres=0.5)

# 将预测结果转换为 JSON 格式
result = []
for i, det in enumerate(pred):
    if len(det):
        det[:, :4] = scale_coords(img.shape[2:], det[:, :4], img0.shape).round()
        for *xyxy, conf, cls in det:
            result.append({
                'bbox': [float(xyxy[0]), float(xyxy[1]), float(xyxy[2]), float(xyxy[3])],
                'score': float(conf),
                'class_id': int(cls)
            })

json_result = json.dumps(result)
print(json_result)

在上述代码中，`path/to/weights.pt` 是训练好的 YOLOv5 模型的权重路径，`path/to/image.jpg` 是输入的图像路径。预测结果会被转换为 JSON 格式并打印输出。你可以根据需要修改代码中的参数。