在C++中使用PyTorch進行圖像識別，需要先安裝PyTorch C++庫。可以參考官方文檔獲取更多信息：https://pytorch.org/cppdocs/

以下是一個簡單的示例代碼，使用PyTorch C++庫進行圖像識別：

#include <torch/script.h>
#include <torch/torch.h>
#include <opencv2/core.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/imgproc.hpp>

int main() {
    // 讀取模型
    torch::jit::script::Module module;
    module = torch::jit::load("model.pt");

    // 讀取待預測的圖像
    cv::Mat image = cv::imread("image.jpg", cv::IMREAD_COLOR);

    // 圖像預處理
    cv::cvtColor(image, image, cv::COLOR_BGR2RGB);
    cv::resize(image, image, cv::Size(224, 224));
    image.convertTo(image, CV_32F, 1.0 / 255.0);
    torch::Tensor input_tensor = torch::from_blob(image.data, {1, 224, 224, 3});
    input_tensor = input_tensor.permute({0, 3, 1, 2});
    
    // 進行推理
    at::Tensor output = module.forward({input_tensor}).toTensor();
    
    // 獲取預測結果
    auto max_result = output.max(1, true);
    auto max_index = std::get<1>(max_result);
    std::cout << "Predicted class: " << max_index.item<int>() << std::endl;

    return 0;
}

在示例代碼中，首先加載PyTorch模型（model.pt），然后讀取待預測的圖像（image.jpg），對圖像進行預處理后進行推理，最后輸出預測結果。

需要注意的是，模型的輸入大小和預處理方法需要與訓練時一致，以確保得到正確的預測結果。