这里我将存放一些在colab运行过的代码,免费GPU,感觉还不错
网页查看需打开小飞机,科学上网
colab初次使用 hello_world.ipynb
经典数据集的分类器 MNIST_in_Pytorch.ipynb
修改自classifier_sample,数据集从CIFAR变为MNIST,不同之处:1.CIFAR是三通道的而MNIST是单通道的; 2.网络的参数需要变动。
同时,这是classifier_sample的进化版,全面实现了一个分类器应该做的事情,而前者只进行了训练。
且可与MNIST_in_Keras对比
“肺结节识别”暑期大作业运行结果 runLIDC.ipynb
运行“2019数学软件”暑期大作业“肺结节识别”程序,这份notebook展示了本次作业的准确率和模型参数
整个程序参考了mixupfamily,并在此基础上修改而成
- 主要架构
dataloader.py 对数据集建立dataset类,参考了DATA LOADING AND PROCESSING TUTORIAL,以及划分训练集和验证集,1197份数据进行训练,200份进行验证
wideresnet.py 选用wideresnet作为训练网络,3D卷积
main.py 读入数据集,训练,验证,保存模型
- 现存问题
由于网络复杂而数据集较小,使得网络过拟合,验证集损失不降。 期间调整过学习率的大小并没有改善。
训练集损失在迭代次数增加时稍有上升,后期可考虑降低学习率。
- 结果
模型参数见文件中的checkpoint
准确率及损失见日志