举例django部署yolov5训练的模型

好的，下面是一个简单的 Django 应用程序，它可以使用 YOLOv5 训练的模型进行物体检测：

首先，你需要安装以下依赖项：
- Django
- PyTorch
- OpenCV

然后，你需要将训练好的 YOLOv5 模型导出为 TorchScript 格式。在此之后，你可以使用以下代码进行物体检测：

import torch
import cv2

# 加载 TorchScript 模型
model = torch.jit.load('model.pt')

# 加载图像
image = cv2.imread('image.jpg')

# 进行预测
results = model(image)

# 处理结果
for result in results:
    class_id = result['class_id']
    class_name = result['class_name']
    confidence = result['confidence']
    x, y, w, h = result['box']

    # 在图像上绘制边界框和标签
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)
    cv2.putText(image, f'{class_name} {confidence:.2f}', (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

# 显示图像
cv2.imshow('Image', image)
cv2.waitKey(0)

将上面的代码整合到你的 Django 应用程序中，你就可以使用 YOLOv5 模型进行物体检测了。