阅读图像分类代码httpsgithubcomOpenGVLabInternImageblobmasterclassificationmainpy增加输出混淆矩阵的功能。仔细核对行数告诉我在哪些行作出修改或新增即可。

根据要求，在给定的图像分类代码中添加输出混淆矩阵的功能，可以在以下行作出修改或新增代码：

1. 导入必要的库

import numpy as np
from sklearn.metrics import confusion_matrix

2. 在测试循环之前初始化一个空的混淆矩阵

# 新增以下行
num_classes = len(class_names)
confusion_mat = np.zeros((num_classes, num_classes))

3. 在测试循环中，每次预测一个图像后，更新混淆矩阵

# 修改以下行
outputs = model(images)
_, predicted = torch.max(outputs, 1)
predicted = predicted.cpu().numpy()
labels = labels.cpu().numpy()

# 新增以下行
confusion_mat += confusion_matrix(labels, predicted, labels=range(num_classes))

4. 在测试循环结束后，打印混淆矩阵

# 新增以下行
print("\nConfusion Matrix:")
print(confusion_mat)

请注意，以上修改假设你已经导入了必要的库，并且代码中的其他部分保持不变。另外，混淆矩阵的打印格式可以根据需要进行调整