Pytorch生物醫(yī)學視覺深度學習入門與實戰(zhàn)--豪華版（圖像分類+語義分割+目標檢測）

地址1：https://pan.baidu.com/s/1VdyY8DElt5DJQML6DbqFYA 提取碼: zt9y

地址2：https://share.weiyun.com/ldyvaUWF 密碼：ysng49

創(chuàng)建數(shù)據(jù)集路徑索引文件

項目根目錄下的"./prepare_dataset"目錄下有三個文件：drive.py，stare.py和chasedb1.py。分別將三個文件中的“data_root_path”參數(shù)賦值為上述3.2準備好的數(shù)據(jù)集的絕對路徑（例如: data_root_path="/home/lee/datasets"）。然后分別運行：

python ./prepare_dataset/drive.py??

python ./prepare_dataset/stare.py

python ./prepare_dataset/chasedb1.py? ? ? ? ?

即可在"./prepare_dataset/data_path_list"目錄下對應(yīng)的數(shù)據(jù)集文件夾中生成"train.txt"和"test.txt"文件，分別存儲了用于訓練和測試的數(shù)據(jù)路徑（每行依次存儲原圖，標簽和FOV路徑（用空格隔開））。

3.4 訓練模型

在根目錄下的"config.py"文件中修改超參數(shù)以及其他配置信息。特別要注意 “train_data_path_list"和"test_data_path_list"這兩個參數(shù)，分別指向3.3中創(chuàng)建的某一個數(shù)據(jù)集的"train.txt"和"text.txt"。 在"train.py"中構(gòu)造創(chuàng)建好的模型（所有模型都在"./models"內(nèi)手撕），例如指定UNet模型：

net = models.UNetFamily.U_Net(1,2).to(device)? # line 103 in train.py

修改完成后，在項目根目錄執(zhí)行:

CUDA_VISIBLE_DEVICES=1 python train.py --save UNet_vessel_seg --batch_size 64

上述命令將在1號GPU上執(zhí)行訓練程序，訓練結(jié)果保存在“ ./experiments/UNet_vessel_seg”文件夾中，batchsize取64，其余參數(shù)取config.py中的默認參數(shù)。