图片标签推荐

import torch
from torchvision import models, transforms
from PIL import Image

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

# 图片预处理
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]),
])

# 打开图片并进行预处理
img = Image.open('example.jpg')
input_tensor = preprocess(img)
input_batch = input_tensor.unsqueeze(0)  # 创建一个mini-batch作为模型的输入

# 使用GPU加速（如果有）
if torch.cuda.is_available():
    input_batch = input_batch.to('cuda')
    model.to('cuda')

# 进行推理
with torch.no_grad():
    output = model(input_batch)

# 输出特征向量（可用于后续的标签推荐）
features = output.cpu().numpy()
print(features)