在PyTorch中使用预训练的模型可以通过torchvision库中的models模块实现。该模块包含了一些常用的预训练模型，如ResNet、VGG、AlexNet等。以下是一个使用预训练的ResNet模型的示例：
import torch
import torchvision.models as models
import torchvision.transforms as transforms
from PIL import Image
# 加载预训练的ResNet模型
model = models.resnet18(pretrained=True)
model.eval()
# 加载一张图片进行推理
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]),
])
img = Image.open('image.jpg')
img = transform(img)
img = img.unsqueeze(0) # 添加一个维度作为batch
# 进行推理
output = model(img)
在上面的示例中，我们首先加载了预训练的ResNet模型，并设置为evaluation模式。然后，我们加载了一张图片，并对其进行预处理，最后通过模型进行推理得到输出。需要注意的是，我们在推理之前还需要调用model.eval()来将模型设置为evaluation模式。
