Python调用YOLOv10模型，三行代码搞定预测

虽然无法仅用三行代码完成所有步骤（加载模型、处理图片、预测），但使用YOLOv10和PyTorch可以高度简化。以下是使用YOLOv10官方仓库的最简预测代码：

方式1：使用官方封装（推荐）

from ultralytics import YOLOv10

model = YOLOv10("yolov10n.pt")  # 加载预训练模型
results = model.predict("image.jpg")  # 预测图片
results[0].show()  # 显示结果

方式2：手动处理（更灵活）

import cv2
from ultralytics import YOLOv10

model = YOLOv10("yolov10n.pt")  # 加载模型
img = cv2.imread("image.jpg")  # 读取图片
results = model(img)[0]  # 预测

完整示例（含可视化）：

from ultralytics import YOLOv10
import cv2

# 1. 初始化模型（自动下载预训练权重）
model = YOLOv10("yolov10n.pt")

# 2. 预测图片
results = model.predict("image.jpg", conf=0.5)

# 3. 可视化结果
res_img = results[0].plot()  # 绘制检测框
cv2.imwrite("result.jpg", res_img)  # 保存结果

安装准备：

pip install ultralytics opencv-python

支持的功能：

• ✅ 图片/视频/摄像头实时预测
• ✅ 批量处理
• ✅ 导出ONNX/TensorRT等格式
• ✅ 自定义训练

注意：

首次运行会自动下载预训练权重（yolov10n/s/m/l/x等版本） 可使用model.predict(source=0)调用摄像头 详细参数见YOLOv10官方文档

更复杂的应用建议查看Ultralytics官方文档获取完整API说明。