resnet50 pridict pytorch

以下是在 PyTorch 中使用 ResNet50 进行预测的示例代码：

import torch
import torchvision.models as models
import torchvision.transforms as transforms
from PIL import Image

# 加载预训练的 ResNet50 模型
model = models.resnet50(pretrained=True)
model.eval()

# 对输入图像进行预处理
transform = 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])
])

# 加载图像并进行预测
img = Image.open('image.jpg')
img = transform(img)
img = img.unsqueeze(0)
output = model(img)

# 输出预测结果
_, predicted = torch.max(output.data, 1)
print('Predicted class:', predicted.item())

在上面的示例中，我们首先加载了预训练的 ResNet50 模型，并将其设置为评估模式（`model.eval()`）。然后，我们定义了一个变换（`transform`）来对输入图像进行预处理，包括缩放、中心裁剪和归一化操作。接下来，我们加载图像并对其进行预测。最后，我们使用 `torch.max()` 函数找到输出向量中最大值的索引，从而得到预测结果。