hc1023 / colab

colab

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