因为太多依赖python的各种库，导致自己对YOLO的开发能力有所下降，最近准备重新整理一下YOLO系列的代码以供以后自己查阅。
YOLOv5-v7.0将分类脱离出来了。predict.py为分类的推理代码。predict.py主要有run(),parse_opt(),main()三个函数构成。
一、导入模块
这部分导入python模块与YOLO的自定义模块。
##############################################导入相关python模块##############################################
import argparse # argparse模块的作用是用于解析命令行参数，例如python test.py --port=8080
import os # os模块提供了非常丰富的方法用来处理文件和目录
import platform # platform模块用于获取操作系统的名称、版本号、位数等信息
import sys # sys模块提供了对解释器使用或维护的一些变量的访问，以及与解释器强烈交互的函数，例如sys.exit()函数
from pathlib import Path # pathlib模块提供了一种对象化的路径操作方式，可以用来替代os.path模块,Path能更加方便对字符串路径进行操作
import torch #pytorch框架
import torch.nn.functional as F #pytorch框架中的函数库,主要用于激活函数
############################################获取当前文件的绝对路径############################################
FILE = Path(__file__).resolve() #当前文件（__file__）路径的绝对路径
ROOT = FILE.parents[1] # YOLOv5 root directory，即当前文件的上两级目录，即项目根目录
if str(ROOT) not in sys.path: # 如果项目根目录不在sys.path中，sys.path为python环境可以运行的路径
sys.path.append(str(ROOT)) # add ROOT to PATH，将项目根目录添加到sys.path中
ROOT = Path(os.path.relpath(ROOT, Path.cwd())) # relative，将项目根目录转换为相对路径
###########################################加载自定义的模块################################################
from models.common import DetectMultiBackend # 导入DetectMultiBackend类，用于在各种后端上进行Python推理
from utils.augmentations import classify_transforms # 导入classify_transforms函数,用于对图片进行预处理
from utils.dataloaders import IMG_FORMATS, VID_FORMATS, LoadImages, LoadScreenshots, LoadStreams #用于数据加载
from utils.general import (LOGGER, Profile, check_file, check_img_size, check_imshow, check_requirements, colorstr, cv2,
increment_path, print_args, strip_optimizer) #定义了一些通用函数，用于打印日志、检查文件、图片大小等
from utils.plots import Annotator # 导入Annotator类，用于在图片上绘制标注框
from utils.torch_utils import select_device, smart_inference_mode # 导入select_device函数，用于选择设备，smart_inference_mode函数，用于智能推理模式
二、parse_opt()函数
它使用了 argparse 库解析命令行参数。这个函数接收用户给定的命令行参数，并将其转换为 Python 变量的形式，以便在代码中进行进一步的处理。
这个函数使用了 argparse 库中的 ArgumentParser 类来创建一个解析器对象，并使用 add_argument 方法添加命令行参数。
最后，这个函数将解析器对象的结果保存到 opt 变量中，并返回这个变量。Python 脚本的其他部分可以使用 opt 变量的值来控制程序的行为。
def parse_opt():
"""
weights: 模型路径
source: 分类源路径，0为摄像头
data:数据集路径，分类时不需要
imgsz: 图片大小，通常与训练时的图片大小一致，以便保持模型的一致性
device: 设备，cpu或者gpu
view-img: 是否显示结果图片
save-txt: 是否保存结果文本,结果为图片的概率和类别
nasave: 是否不保存结果图片
augment:是否进行推理时数据增强,分类时不需要
visualize: 是否可视化，分类时不需要
update: 是否更新模型
project: 项目路径
name: 保存结果的文件夹名称
exist-ok: 是否覆盖已存在的文件夹
half: 是否使用半精度推理
dnn: 是否使用dnn加速
vid-stride: 视频帧间隔
"""
parser = argparse.ArgumentParser()
parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'runs/train-cls/exp12/weights/best.pt', help='model path(s)')
parser.add_argument('--source', type=str, default=ROOT / 'data/images', help='file/dir/URL/glob/screen/0(webcam)')
parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='(optional) dataset.yaml path')
parser.add_argument('--imgsz', '--img', '--img-size', nargs='+', type=int, default=[224], help='inference size h,w')
parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
parser.add_argument('--view-img', action='store_true', help='show results')
parser.add_argument('--save-txt', default=True,action='store_true', help='save results to *.txt')
parser.add_argument('--nosave', action='store_true', help='do not save images/videos')
parser.add_argument('--augment', action='store_true', help='augmented inference')
parser.add_argument('--visualize', action='store_true', help='visualize features')
parser.add_argument('--update', action='store_true', help='update all models')
parser.add_argument('--project', default=ROOT / 'runs/predict-cls', help='save results to project/name')
parser.add_argument('--name', default='exp', help='save results to project/name')
parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
parser.add_argument('--half', action='store_true', help='use FP16 half-precision inference')
parser.add_argument('--dnn', action='store_true', help='use OpenCV DNN for ONNX inference')
parser.add_argument('--vid-stride', type=int, default=1, help='video frame-rate stride')
opt = parser.parse_args() # 解析参数
opt.imgsz *= 2 if len(opt.imgsz) == 1 else 1 # expand,如果只有一个参数，则扩展为两个参数，对应长和宽
print_args(vars(opt)) # 打印参数
return opt # 返回参数
三、run()函数
定义主函数
@smart_inference_mode() # 用于自动切换模型的推理模式，如果是FP16模型，则自动切换为FP16推理模式，否则切换为FP32推理模式，这样可以避免模型推理时出现类型不匹配的错误
#############################################定义主函数####################################################
#传入参数，参数可通过命令行传入，也可通过代码传入，parser.add_argument()函数用于添加参数
def run(
weights=ROOT / 'yolov5s-cls.pt', # model.pt path(s)
source=ROOT / 'data/images', # file/dir/URL/glob/screen/0(webcam)
data=ROOT / 'data/coco128.yaml', # dataset.yaml path
imgsz=(224, 224), # inference size (height, width)
device='', # cuda device, i.e. 0 or 0,1,2,3 or cpu
view_img=False, # show results
save_txt=False, # save results to *.txt
nosave=False, # do not save images/videos
augment=False, # augmented inference
visualize=False, # visualize features
update=False, # update all models
project=ROOT / 'runs/predict-cls', # save results to project/name
name='exp', # save results to project/name
exist_ok=False, # existing project/name ok, do not increment
half=False, # use FP16 half-precision inference
dnn=False, # use OpenCV DNN for ONNX inference
vid_stride=1, # video frame-rate stride
):
source = str(source) # source to string，将source转换为字符串
save_img = not nosave and not source.endswith('.txt') # save inference images，如果nasave为False且source不是txt文件，则保存图片
is_file = Path(source).suffix[1:] in (IMG_FORMATS + VID_FORMATS) #Path.suffix[1:]返回文件的后缀jpg、jepg等，如果后缀在IMG_FORMATS或VID_FORMATS中，则is_file为True
is_url = source.lower().startswith(('rtsp://', 'rtmp://', 'http://', 'https://')) #判断source是否是url，如果是，则is_url为True.lower()将字符串转换为小写,startswith()判断字符串是否以指定的字符串开头
webcam = source.isnumeric() or source.endswith('.streams') or (is_url and not is_file) #source.isnumeric()判断source是否是数字，source.endswith('.streams')判断source是否以.streams结尾，(is_url and not is_file)判断source是否是url，且不是文件，上述三个条件有一个为True，则webcam为True。
screenshot = source.lower().startswith('screen') #判断source是否是截图，如果是，则screenshot为True
if is_url and is_file:
source = check_file(source) # download,确保输入源为本地文件，如果是url，则下载到本地，check_file()函数用于下载url文件
创建保存目录
# Directories
save_dir = increment_path(Path(project) / name, exist_ok=exist_ok) # increment run，# increment run，增加文件或目录路径，即运行/exp------>运行/exp{sep}2，运行/exp{sep}3，...等。exist_ok为True时，如果文件夹已存在，则不会报错
(save_dir / 'labels' if save_txt else save_dir).mkdir(parents=True, exist_ok=True) # make dir，创建文件夹，如果save_txt为True，则创建labels文件夹，否则创建save_dir文件夹
加载模型
# Load model
device = select_device(device) #选择设备，如果device为空，则自动选择设备，如果device不为空，则选择指定的设备
model = DetectMultiBackend(weights, device=device, dnn=dnn, data=data, fp16=half) #加载模型，DetectMultiBackend()函数用于加载模型，weights为模型路径，device为设备，dnn为是否使用opencv dnn，data为数据集，fp16为是否使用fp16推理
stride, names, pt = model.stride, model.names, model.pt #获取模型的stride，names，pt,model.stride为模型的stride，model.names为模型的类别，model.pt为模型的类型
imgsz = check_img_size(imgsz, s=stride) # check image size,验证图像大小是每个维度的stride=32的倍数
初始化数据集
# Dataloader,初始化数据集
bs = 1 # batch_size,初始化batch_size为1
if webcam: #如果source是摄像头，则创建LoadStreams()对象
view_img = check_imshow(warn=True) #是否显示图片，如果view_img为True，则显示图片
dataset = LoadStreams(source, img_size=imgsz, stride=stride, auto=pt, vid_stride=vid_stride) #创建LoadStreams()对象，source为输入源，img_size为图像大小，stride为模型的stride，auto为是否自动选择设备，vid_stride为视频帧率
bs = len(dataset) #batch_size为数据集的长度
elif screenshot: #如果source是截图，则创建LoadScreenshots()对象
dataset = LoadScreenshots(source, img_size=imgsz, stride=stride, auto=pt) #创建LoadScreenshots()对象，source为输入源，img_size为图像大小，stride为模型的stride，auto为是否自动选择设备
else:
dataset = LoadImages(source, img_size=imgsz, transforms=classify_transforms(imgsz[0]), vid_stride=vid_stride) #创建LoadImages()对象，直接加载图片，source为输入源，img_size为图像大小，stride为模型的stride，auto为是否自动选择设备，vid_stride为视频帧率
vid_path, vid_writer = [None] * bs, [None] * bs #初始化vid_path和vid_writer，vid_path为视频路径，vid_writer为视频写入对象
开始推理
################################################################开始推理################################################################
# Run inference
model.warmup(imgsz=(1 if pt else bs, 3, *imgsz)) # warmup，预热，用于提前加载模型，加快推理速度，imgsz为图像大小，如果pt为True或者model.triton为True，则bs=1，否则bs为数据集的长度。3为通道数，*imgsz为图像大小，即(1,3,224,224)
seen, windows, dt = 0, [], (Profile(), Profile(), Profile()) # seen为已推理的图片数量，windows为空列表，dt为时间统计对象
for path, im, im0s, vid_cap, s in dataset: #遍历数据集，path为图片路径，im为图片，im0s为原始图片，vid_cap为视频读取对象，s为视频帧率
with dt[0]: #开始计时，读取图片时间
im = torch.Tensor(im).to(model.device) #将图片转换为tensor，并放到模型的设备上，pytorch模型的输入必须是tensor
im = im.half() if model.fp16 else im.float() # uint8 to fp16/32，如果模型使用fp16推理，则将图片转换为fp16，否则转换为fp32
if len(im.shape) == 3: #如果图片维度为3，则添加batch维度
im = im[None] # expand for batch dim,在前面添加batch维度，即将图片的维度从3维转换为4维，即(3,640,640)转换为(1,3,224,224)，pytorch模型的输入必须是4维的
# Inference,推理
with dt[1]:
results = model(im) #推理，results为推理结果
# Post-process
with dt[2]:
pred = F.softmax(results, dim=1) # probabilities,对推理结果进行softmax，得到每个类别的概率
处理预测结果
# Process predictions,处理预测结果
for i, prob in enumerate(pred): # per image,遍历每张图片,enumerate()函数将pred转换为索引和值的形式，i为索引，det为对应的元素，即每个物体的预测框
seen += 1 #检测的图片数量加1
if webcam: # batch_size >= 1，如果是摄像头，则获取视频帧率
p, im0, frame = path[i], im0s[i].copy(), dataset.count #path[i]为路径列表，ims[i].copy()为将输入图像的副本存储在im0变量中，dataset.count为当前输入图像的帧数
s += f'{i}: ' #在打印输出中添加当前处理的图像索引号i，方便调试和查看结果。在此处，如果是摄像头模式，i表示当前批次中第i张图像；否则，i始终为0，因为处理的只有一张图像。
else:
p, im0, frame = path, im0s.copy(), getattr(dataset, 'frame', 0) #如果不是摄像头，frame为0
p = Path(p) # to Path #将路径转换为Path对象
save_path = str(save_dir / p.name) # im.jpg，保存图片的路径，save_dir为保存图片的文件夹，p.name为图片名称
txt_path = str(save_dir / 'labels' / p.stem) + ('' if dataset.mode == 'image' else f'_{frame}') # im.txt，保存预测框的路径，save_dir为保存图片的文件夹，p.stem为图片名称，dataset.mode为数据集的模式，如果是image，则为图片，否则为视频
s += '%gx%g ' % im.shape[2:] # print string,打印输出，im.shape[2:]为图片的大小，即(1,3,224,224)中的(224,224)
annotator = Annotator(im0, example=str(names), pil=True) # Annotator()对象，用于在图片上绘制分类结果，im0为原始图片，example为类别名称，pil为是否使用PIL绘制
# Print results
top5i = prob.argsort(0, descending=True)[:5].tolist() # top 5 indices,对概率进行排序，取前5个，top5i为前5个类别的索引
s += f"{', '.join(f'{names[j]} {prob[j]:.2f}' for j in top5i)}, " #打印输出，names[j]为类别名称，prob[j]为概率
# Write results
text = '\n'.join(f'{prob[j]:.2f} {names[j]}' for j in top5i) #将类别名称和概率拼接成字符串，用于保存到txt文件中
if save_img or view_img: # Add bbox to image,如果保存图片或者显示图片，则在图片上绘制预测框
annotator.text((32, 32), text, txt_color=(255, 255, 255)) #将预测结果绘制在图片上
if save_txt: # Write to file,如果保存txt文件，则将预测结果保存到txt文件中
with open(f'{txt_path}.txt', 'a') as f: #以追加的方式打开txt文件
f.write(text + '\n') #将预测结果写入txt文件中
保存结果
# Stream results,如果是摄像头，则显示图片
im0 = annotator.result() #获取绘制预测结果和标签的图片
if view_img: #如果view_img为True，则展示图片
if platform.system() == 'Linux' and p not in windows: #如果系统为Linux，且p不在windows中
windows.append(p) #将p添加到windows中
cv2.namedWindow(str(p), cv2.WINDOW_NORMAL | cv2.WINDOW_KEEPRATIO) # allow window resize (Linux),允许窗口调整大小,WINDOW_NORMAL表示用户可以调整窗口大小，WINDOW_KEEPRATIO表示窗口大小不变
cv2.resizeWindow(str(p), im0.shape[1], im0.shape[0]) #调整窗口大小，使其与图片大小一致
cv2.imshow(str(p), im0) #显示图片
cv2.waitKey(1) # 1 millisecond #等待1毫秒
# Save results (image with detections)
if save_img: #如果save_img为True，则保存图片
if dataset.mode == 'image': #如果数据集模式为image
cv2.imwrite(save_path, im0) #保存图片
else: # 'video' or 'stream'，如果数据集模式为video或stream
if vid_path[i] != save_path: # new video，如果vid_path[i]不等于save_path
vid_path[i] = save_path #将save_path赋值给vid_path[i]
if isinstance(vid_writer[i], cv2.VideoWriter): #如果vid_writer[i]是cv2.VideoWriter类型
vid_writer[i].release() # release previous video writer
if vid_cap: # video
fps = vid_cap.get(cv2.CAP_PROP_FPS) #获取视频的帧率
w = int(vid_cap.get(cv2.CAP_PROP_FRAME_WIDTH)) #获取视频的宽度
h = int(vid_cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) #获取视频的高度
else: # stream
fps, w, h = 30, im0.shape[1], im0.shape[0]
save_path = str(Path(save_path).with_suffix('.mp4')) # force *.mp4 suffix on results videos
vid_writer[i] = cv2.VideoWriter(save_path, cv2.VideoWriter_fourcc(*'mp4v'), fps, (w, h))
vid_writer[i].write(im0)
打印结果
# Print results,打印结果
t = tuple(x.t / seen * 1E3 for x in dt) # speeds per image,每张图片的速度
LOGGER.info(f'Speed: %.1fms pre-process, %.1fms inference, %.1fms NMS per image at shape {(1, 3, *imgsz)}' % t) #打印速度
if save_txt or save_img:
s = f"\n{len(list(save_dir.glob('labels/*.txt')))} labels saved to {save_dir / 'labels'}" if save_txt else '' #如果save_txt为True，则打印保存的标签数量
LOGGER.info(f"Results saved to {colorstr('bold', save_dir)}{s}") #打印保存的路径
if update:
strip_optimizer(weights[0]) # update model (to fix SourceChangeWarning) #更新模型
四、main()函数
def main(opt): # 主函数
check_requirements(exclude=('tensorboard', 'thop')) # check_requirements()函数检查是否安装了必要的库，exclude参数用于排除不需要的库
run(**vars(opt)) # run()函数用于执行推理任务,vars()函数用于将对象转换为字典
五、完整加了注释的代码
# YOLOv5 🚀 by Ultralytics, GPL-3.0 license
"""
Run YOLOv5 classification inference on images, videos, directories, globs, YouTube, webcam, streams, etc.
Usage - sources:
$ python classify/predict.py --weights yolov5s-cls.pt --source 0 # webcam
img.jpg # image
vid.mp4 # video
screen # screenshot
path/ # directory
list.txt # list of images
list.streams # list of streams
'path/*.jpg' # glob
'https://youtu.be/Zgi9g1ksQHc' # YouTube
'rtsp://example.com/media.mp4' # RTSP, RTMP, HTTP stream
Usage - formats:
$ python classify/predict.py --weights yolov5s-cls.pt # PyTorch
yolov5s-cls.torchscript # TorchScript
yolov5s-cls.onnx # ONNX Runtime or OpenCV DNN with --dnn
yolov5s-cls_openvino_model # OpenVINO
yolov5s-cls.engine # TensorRT
yolov5s-cls.mlmodel # CoreML (macOS-only)
yolov5s-cls_saved_model # TensorFlow SavedModel
yolov5s-cls.pb # TensorFlow GraphDef
yolov5s-cls.tflite # TensorFlow Lite
yolov5s-cls_edgetpu.tflite # TensorFlow Edge TPU
yolov5s-cls_paddle_model # PaddlePaddle
"""
##############################################导入相关python模块##############################################
import argparse # argparse模块的作用是用于解析命令行参数，例如python test.py --port=8080
import os # os模块提供了非常丰富的方法用来处理文件和目录
import platform # platform模块用于获取操作系统的名称、版本号、位数等信息
import sys # sys模块提供了对解释器使用或维护的一些变量的访问，以及与解释器强烈交互的函数，例如sys.exit()函数
from pathlib import Path # pathlib模块提供了一种对象化的路径操作方式，可以用来替代os.path模块,Path能更加方便对字符串路径进行操作
import torch #pytorch框架
import torch.nn.functional as F #pytorch框架中的函数库,主要用于激活函数
############################################获取当前文件的绝对路径############################################
FILE = Path(__file__).resolve() #当前文件（__file__）路径的绝对路径
ROOT = FILE.parents[1] # YOLOv5 root directory，即当前文件的上两级目录，即项目根目录
if str(ROOT) not in sys.path: # 如果项目根目录不在sys.path中，sys.path为python环境可以运行的路径
sys.path.append(str(ROOT)) # add ROOT to PATH，将项目根目录添加到sys.path中
ROOT = Path(os.path.relpath(ROOT, Path.cwd())) # relative，将项目根目录转换为相对路径
###########################################加载自定义的模块################################################
from models.common import DetectMultiBackend # 导入DetectMultiBackend类，用于在各种后端上进行Python推理
from utils.augmentations import classify_transforms # 导入classify_transforms函数,用于对图片进行预处理
from utils.dataloaders import IMG_FORMATS, VID_FORMATS, LoadImages, LoadScreenshots, LoadStreams #用于数据加载
from utils.general import (LOGGER, Profile, check_file, check_img_size, check_imshow, check_requirements, colorstr, cv2,
increment_path, print_args, strip_optimizer) #定义了一些通用函数，用于打印日志、检查文件、图片大小等
from utils.plots import Annotator # 导入Annotator类，用于在图片上绘制标注框
from utils.torch_utils import select_device, smart_inference_mode # 导入select_device函数，用于选择设备，smart_inference_mode函数，用于智能推理模式
@smart_inference_mode() # 用于自动切换模型的推理模式，如果是FP16模型，则自动切换为FP16推理模式，否则切换为FP32推理模式，这样可以避免模型推理时出现类型不匹配的错误
#############################################定义主函数####################################################
#传入参数，参数可通过命令行传入，也可通过代码传入，parser.add_argument()函数用于添加参数
def run(
weights=ROOT / 'yolov5s-cls.pt', # model.pt path(s)
source=ROOT / 'data/images', # file/dir/URL/glob/screen/0(webcam)
data=ROOT / 'data/coco128.yaml', # dataset.yaml path
imgsz=(224, 224), # inference size (height, width)
device='', # cuda device, i.e. 0 or 0,1,2,3 or cpu
view_img=False, # show results
save_txt=False, # save results to *.txt
nosave=False, # do not save images/videos
augment=False, # augmented inference
visualize=False, # visualize features
update=False, # update all models
project=ROOT / 'runs/predict-cls', # save results to project/name
name='exp', # save results to project/name
exist_ok=False, # existing project/name ok, do not increment
half=False, # use FP16 half-precision inference
dnn=False, # use OpenCV DNN for ONNX inference
vid_stride=1, # video frame-rate stride
):
source = str(source) # source to string，将source转换为字符串
save_img = not nosave and not source.endswith('.txt') # save inference images，如果nasave为False且source不是txt文件，则保存图片
is_file = Path(source).suffix[1:] in (IMG_FORMATS + VID_FORMATS) #Path.suffix[1:]返回文件的后缀jpg、jepg等，如果后缀在IMG_FORMATS或VID_FORMATS中，则is_file为True
is_url = source.lower().startswith(('rtsp://', 'rtmp://', 'http://', 'https://')) #判断source是否是url，如果是，则is_url为True.lower()将字符串转换为小写,startswith()判断字符串是否以指定的字符串开头
webcam = source.isnumeric() or source.endswith('.streams') or (is_url and not is_file) #source.isnumeric()判断source是否是数字，source.endswith('.streams')判断source是否以.streams结尾，(is_url and not is_file)判断source是否是url，且不是文件，上述三个条件有一个为True，则webcam为True。
screenshot = source.lower().startswith('screen') #判断source是否是截图，如果是，则screenshot为True
if is_url and is_file:
source = check_file(source) # download,确保输入源为本地文件，如果是url，则下载到本地，check_file()函数用于下载url文件
# Directories
save_dir = increment_path(Path(project) / name, exist_ok=exist_ok) # increment run，# increment run，增加文件或目录路径，即运行/exp------>运行/exp{sep}2，运行/exp{sep}3，...等。exist_ok为True时，如果文件夹已存在，则不会报错
(save_dir / 'labels' if save_txt else save_dir).mkdir(parents=True, exist_ok=True) # make dir，创建文件夹，如果save_txt为True，则创建labels文件夹，否则创建save_dir文件夹
# Load model
device = select_device(device) #选择设备，如果device为空，则自动选择设备，如果device不为空，则选择指定的设备
model = DetectMultiBackend(weights, device=device, dnn=dnn, data=data, fp16=half) #加载模型，DetectMultiBackend()函数用于加载模型，weights为模型路径，device为设备，dnn为是否使用opencv dnn，data为数据集，fp16为是否使用fp16推理
stride, names, pt = model.stride, model.names, model.pt #获取模型的stride，names，pt,model.stride为模型的stride，model.names为模型的类别，model.pt为模型的类型
imgsz = check_img_size(imgsz, s=stride) # check image size,验证图像大小是每个维度的stride=32的倍数
# Dataloader,初始化数据集
bs = 1 # batch_size,初始化batch_size为1
if webcam: #如果source是摄像头，则创建LoadStreams()对象
view_img = check_imshow(warn=True) #是否显示图片，如果view_img为True，则显示图片
dataset = LoadStreams(source, img_size=imgsz, stride=stride, auto=pt, vid_stride=vid_stride) #创建LoadStreams()对象，source为输入源，img_size为图像大小，stride为模型的stride，auto为是否自动选择设备，vid_stride为视频帧率
bs = len(dataset) #batch_size为数据集的长度
elif screenshot: #如果source是截图，则创建LoadScreenshots()对象
dataset = LoadScreenshots(source, img_size=imgsz, stride=stride, auto=pt) #创建LoadScreenshots()对象，source为输入源，img_size为图像大小，stride为模型的stride，auto为是否自动选择设备
else:
dataset = LoadImages(source, img_size=imgsz, transforms=classify_transforms(imgsz[0]), vid_stride=vid_stride) #创建LoadImages()对象，直接加载图片，source为输入源，img_size为图像大小，stride为模型的stride，auto为是否自动选择设备，vid_stride为视频帧率
vid_path, vid_writer = [None] * bs, [None] * bs #初始化vid_path和vid_writer，vid_path为视频路径，vid_writer为视频写入对象
################################################################开始推理################################################################
# Run inference
model.warmup(imgsz=(1 if pt else bs, 3, *imgsz)) # warmup，预热，用于提前加载模型，加快推理速度，imgsz为图像大小，如果pt为True或者model.triton为True，则bs=1，否则bs为数据集的长度。3为通道数，*imgsz为图像大小，即(1,3,224,224)
seen, windows, dt = 0, [], (Profile(), Profile(), Profile()) # seen为已推理的图片数量，windows为空列表，dt为时间统计对象
for path, im, im0s, vid_cap, s in dataset: #遍历数据集，path为图片路径，im为图片，im0s为原始图片，vid_cap为视频读取对象，s为视频帧率
with dt[0]: #开始计时，读取图片时间
im = torch.Tensor(im).to(model.device) #将图片转换为tensor，并放到模型的设备上，pytorch模型的输入必须是tensor
im = im.half() if model.fp16 else im.float() # uint8 to fp16/32，如果模型使用fp16推理，则将图片转换为fp16，否则转换为fp32
if len(im.shape) == 3: #如果图片维度为3，则添加batch维度
im = im[None] # expand for batch dim,在前面添加batch维度，即将图片的维度从3维转换为4维，即(3,640,640)转换为(1,3,224,224)，pytorch模型的输入必须是4维的
# Inference,推理
with dt[1]:
results = model(im) #推理，results为推理结果
# Post-process
with dt[2]:
pred = F.softmax(results, dim=1) # probabilities,对推理结果进行softmax，得到每个类别的概率
# Process predictions,处理预测结果
for i, prob in enumerate(pred): # per image,遍历每张图片,enumerate()函数将pred转换为索引和值的形式，i为索引，det为对应的元素，即每个物体的预测框
seen += 1 #检测的图片数量加1
if webcam: # batch_size >= 1，如果是摄像头，则获取视频帧率
p, im0, frame = path[i], im0s[i].copy(), dataset.count #path[i]为路径列表，ims[i].copy()为将输入图像的副本存储在im0变量中，dataset.count为当前输入图像的帧数
s += f'{i}: ' #在打印输出中添加当前处理的图像索引号i，方便调试和查看结果。在此处，如果是摄像头模式，i表示当前批次中第i张图像；否则，i始终为0，因为处理的只有一张图像。
else:
p, im0, frame = path, im0s.copy(), getattr(dataset, 'frame', 0) #如果不是摄像头，frame为0
p = Path(p) # to Path #将路径转换为Path对象
save_path = str(save_dir / p.name) # im.jpg，保存图片的路径，save_dir为保存图片的文件夹，p.name为图片名称
txt_path = str(save_dir / 'labels' / p.stem) + ('' if dataset.mode == 'image' else f'_{frame}') # im.txt，保存预测框的路径，save_dir为保存图片的文件夹，p.stem为图片名称，dataset.mode为数据集的模式，如果是image，则为图片，否则为视频
s += '%gx%g ' % im.shape[2:] # print string,打印输出，im.shape[2:]为图片的大小，即(1,3,224,224)中的(224,224)
annotator = Annotator(im0, example=str(names), pil=True) # Annotator()对象，用于在图片上绘制分类结果，im0为原始图片，example为类别名称，pil为是否使用PIL绘制
# Print results
top5i = prob.argsort(0, descending=True)[:5].tolist() # top 5 indices,对概率进行排序，取前5个，top5i为前5个类别的索引
s += f"{', '.join(f'{names[j]} {prob[j]:.2f}' for j in top5i)}, " #打印输出，names[j]为类别名称，prob[j]为概率
# Write results
text = '\n'.join(f'{prob[j]:.2f} {names[j]}' for j in top5i) #将类别名称和概率拼接成字符串，用于保存到txt文件中
if save_img or view_img: # Add bbox to image,如果保存图片或者显示图片，则在图片上绘制预测框
annotator.text((32, 32), text, txt_color=(255, 255, 255)) #将预测结果绘制在图片上
if save_txt: # Write to file,如果保存txt文件，则将预测结果保存到txt文件中
with open(f'{txt_path}.txt', 'a') as f: #以追加的方式打开txt文件
f.write(text + '\n') #将预测结果写入txt文件中
# Stream results,如果是摄像头，则显示图片
im0 = annotator.result() #获取绘制预测结果和标签的图片
if view_img: #如果view_img为True，则展示图片
if platform.system() == 'Linux' and p not in windows: #如果系统为Linux，且p不在windows中
windows.append(p) #将p添加到windows中
cv2.namedWindow(str(p), cv2.WINDOW_NORMAL | cv2.WINDOW_KEEPRATIO) # allow window resize (Linux),允许窗口调整大小,WINDOW_NORMAL表示用户可以调整窗口大小，WINDOW_KEEPRATIO表示窗口大小不变
cv2.resizeWindow(str(p), im0.shape[1], im0.shape[0]) #调整窗口大小，使其与图片大小一致
cv2.imshow(str(p), im0) #显示图片
cv2.waitKey(1) # 1 millisecond #等待1毫秒
# Save results (image with detections)
if save_img: #如果save_img为True，则保存图片
if dataset.mode == 'image': #如果数据集模式为image
cv2.imwrite(save_path, im0) #保存图片
else: # 'video' or 'stream'，如果数据集模式为video或stream
if vid_path[i] != save_path: # new video，如果vid_path[i]不等于save_path
vid_path[i] = save_path #将save_path赋值给vid_path[i]
if isinstance(vid_writer[i], cv2.VideoWriter): #如果vid_writer[i]是cv2.VideoWriter类型
vid_writer[i].release() # release previous video writer
if vid_cap: # video
fps = vid_cap.get(cv2.CAP_PROP_FPS) #获取视频的帧率
w = int(vid_cap.get(cv2.CAP_PROP_FRAME_WIDTH)) #获取视频的宽度
h = int(vid_cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) #获取视频的高度
else: # stream
fps, w, h = 30, im0.shape[1], im0.shape[0]
save_path = str(Path(save_path).with_suffix('.mp4')) # force *.mp4 suffix on results videos
vid_writer[i] = cv2.VideoWriter(save_path, cv2.VideoWriter_fourcc(*'mp4v'), fps, (w, h))
vid_writer[i].write(im0)
# Print time (inference-only)
# LOGGER.info(f'{s}{dt[1].dt * 1E3:.1f}ms')
# Print results,打印结果
t = tuple(x.t / seen * 1E3 for x in dt) # speeds per image,每张图片的速度
LOGGER.info(f'Speed: %.1fms pre-process, %.1fms inference, %.1fms NMS per image at shape {(1, 3, *imgsz)}' % t) #打印速度
if save_txt or save_img:
s = f"\n{len(list(save_dir.glob('labels/*.txt')))} labels saved to {save_dir / 'labels'}" if save_txt else '' #如果save_txt为True，则打印保存的标签数量
LOGGER.info(f"Results saved to {colorstr('bold', save_dir)}{s}") #打印保存的路径
if update:
strip_optimizer(weights[0]) # update model (to fix SourceChangeWarning) #更新模型
def parse_opt():
"""
weights: 模型路径
source: 分类源路径，0为摄像头
data:数据集路径，分类时不需要
imgsz: 图片大小，通常与训练时的图片大小一致，以便保持模型的一致性
device: 设备，cpu或者gpu
view-img: 是否显示结果图片
save-txt: 是否保存结果文本,结果为图片的概率和类别
nasave: 是否不保存结果图片
augment:是否进行推理时数据增强,分类时不需要
visualize: 是否可视化，分类时不需要
update: 是否更新模型
project: 项目路径
name: 保存结果的文件夹名称
exist-ok: 是否覆盖已存在的文件夹
half: 是否使用半精度推理
dnn: 是否使用dnn加速
vid-stride: 视频帧间隔
"""
parser = argparse.ArgumentParser()
parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'runs/train-cls/exp12/weights/best.pt', help='model path(s)')
parser.add_argument('--source', type=str, default=ROOT / 'data/images', help='file/dir/URL/glob/screen/0(webcam)')
parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='(optional) dataset.yaml path')
parser.add_argument('--imgsz', '--img', '--img-size', nargs='+', type=int, default=[224], help='inference size h,w')
parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
parser.add_argument('--view-img', action='store_true', help='show results')
parser.add_argument('--save-txt', default=True,action='store_true', help='save results to *.txt')
parser.add_argument('--nosave', action='store_true', help='do not save images/videos')
parser.add_argument('--augment', action='store_true', help='augmented inference')
parser.add_argument('--visualize', action='store_true', help='visualize features')
parser.add_argument('--update', action='store_true', help='update all models')
parser.add_argument('--project', default=ROOT / 'runs/predict-cls', help='save results to project/name')
parser.add_argument('--name', default='exp', help='save results to project/name')
parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
parser.add_argument('--half', action='store_true', help='use FP16 half-precision inference')
parser.add_argument('--dnn', action='store_true', help='use OpenCV DNN for ONNX inference')
parser.add_argument('--vid-stride', type=int, default=1, help='video frame-rate stride')
opt = parser.parse_args() # 解析参数
opt.imgsz *= 2 if len(opt.imgsz) == 1 else 1 # expand,如果只有一个参数，则扩展为两个参数，对应长和宽
print_args(vars(opt)) # 打印参数
return opt # 返回参数
def main(opt): # 主函数
check_requirements(exclude=('tensorboard', 'thop')) # check_requirements()函数检查是否安装了必要的库，exclude参数用于排除不需要的库
run(**vars(opt)) # run()函数用于执行推理任务,vars()函数用于将对象转换为字典
if __name__ == '__main__':
opt = parse_opt()
main(opt)