pytorch入门基础（二）肺部感染识别案例-1

pytorch入门基础（二）肺部感染识别案例-1

本实验用到的数据集链接：https://pan.baidu.com/s/1tsDeOz53lzTJwd-o1SBuCA
提取码：gp9w
在安装库的时候如何用清华源pip下载：
比如：pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple，在指令后面加上镜像网址即可。
数据集内容：
包含训练集，测试集，验证集，前面代表正常肺部图片，后面代表感染肺部图片。

一.实验流程

1. 加载预训练模型ResNeT，该模型已经在ImageNet数据集上训练过。
2. 冻结预训练模型中低层卷积层的参数（权重）。
3. 用可训练参数的多层代替分类层。
4. 在训练集上训练分类层。
5. 微调超参数，根据需要冻结多层。
   

二.显示数据集中的图片

如何快速获取文件的地址：
只需要打开你的anaconda prompt，然后把你的文件拉到里面，复制地址即可

# 1 加载库
import torch
import torch.nn as nn
from torchvision import datasets, transforms
import os
from torch.utils.data import DataLoader
from torchvision.utils import make_grid
import matplotlib.pyplot as plt
import numpy as np


# 2 定义一个方法：显示图片
def image_show(inp, title=None):
    plt.figure(figsize=(14, 3))
    inp = inp.numpy().transpose((1,2,0))
    mean = np.array([0.485, 0.456, 0.406])
    std = np.array([0.229, 0.224, 0.225])
    inp = std * inp + mean
    inp = np.clip(inp, 0, 1)
    plt.imshow(inp)
    if title is not None:
        plt.title(title)
    plt.pause(0.001)
    plt.show()


def main():
    # 3 定义超参数
    BATCH_SIZE = 8 # 每批处理的数据数量
    DEVICE = torch.device('cpu')

    # 4 图片转换
    data_transforms = {
     
        'train':
            transforms.Compose([
                transforms.Resize(300),
                transforms.RandomResizedCrop(300),
                transforms.RandomHorizontalFlip(),
                transforms.CenterCrop(256),
                transforms.ToTensor(),
                transforms.Normalize([0.485, 0.456, 0.406],
                                     [0.229, 0.224, 0.225])
            ]),

        'val':
            transforms.Compose([
                transforms.Resize(300),
                transforms.CenterCrop(256),
                transforms.ToTensor(),
                transforms.Normalize([0.485, 0.456, 0.406],
                                     [0.229, 0.224, 0.225])
            ])
    }

    # 5 操作数据集
    # 5.1 数据集路径
    data_path = "E:\Tommy数据集\chest_xray"
    # 5.2 加载数据集train 和 val
    image_datasets = {
      x : datasets.ImageFolder(os.path.join(data_path, x),
                                                data_transforms[x]) for x in ['train', 'val']}
    # 5.3 为数据集创建一个迭代器，读取数据
    datalaoders = {
     x : DataLoader(image_datasets[x], shuffle=True,
                                  batch_size=BATCH_SIZE) for x in ['train', 'val']}

    # 5.3 训练集和验证集的大小（图片的数量）
    data_sizes = {
     x : len(image_datasets[x]) for x in ['train', 'val']}

    # 5.4 获取标签的类别名称:  NORMAL 正常 --- PNEUMONIA 感染
    target_names = image_datasets['train'].classes

    # 6 显示一个batch_size的图片（8张图片）
    # 6.1 读取8张图片
    datas, targets = next(iter(datalaoders['train']))
    # 6.2 将若干张图片拼成一幅图像
    out = make_grid(datas, nrow=4, padding=10)
    # 6.3 显示图片
    image_show(out, title=[target_names[x] for x in targets])


if __name__ == '__main__':
    main()