DenseNet-MURA-PyTorch:使用PyTorch在Standford的MURA数据集上实现DenseNet模型

上传者: 42128988 | 上传时间: 2022-09-21 22:28:28 | 文件大小: 194KB | 文件类型: ZIP
使用PyTorch在MURA数据集上的DenseNet 在MURA数据集上实现169层模型的PyTorch实现,灵感来自Pranav Rajpurkar等人的论文 。 MURA是肌肉骨骼X射线照片的大型数据集,其中放射医师手动将每项研究标记为正常或异常。 重要事项: 所实现的模型是169层DenseNet,其单节点输出层使用ImageNet数据集上预先训练的模型中的权重进行初始化。 在将图像馈送到网络之前,将每个图像标准化为具有与ImageNet训练集中的图像相同的均值和标准差,并缩放为224 x 224,并通过随机的横向反转和旋转进行增强。 该模型使用了本文提到的改进的二进制交叉熵损失函数。 每次经过一段时间后,验证损失达到稳定水平,学习率就会下降10倍。 优化算法是默认参数β1= 0.9和β2= 0.999的Adam。 根据MURA数据集文件: 该模型将一个或多个用于上

文件下载

资源详情

[{"title":"( 13 个子文件 194KB ) DenseNet-MURA-PyTorch:使用PyTorch在Standford的MURA数据集上实现DenseNet模型","children":[{"title":"DenseNet-MURA-PyTorch-master","children":[{"title":"densenet.py <span style='color:#111;'> 5.48KB </span>","children":null,"spread":false},{"title":"main.py <span style='color:#111;'> 1.86KB </span>","children":null,"spread":false},{"title":"utils.py <span style='color:#111;'> 1.25KB </span>","children":null,"spread":false},{"title":"train.py <span style='color:#111;'> 4.42KB </span>","children":null,"spread":false},{"title":"pipeline.py <span style='color:#111;'> 3.11KB </span>","children":null,"spread":false},{"title":"LICENSE <span style='color:#111;'> 1.05KB </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 1.13KB </span>","children":null,"spread":false},{"title":"EDA","children":[{"title":"images","children":[{"title":"nsvc.jpg <span style='color:#111;'> 130.20KB </span>","children":null,"spread":false},{"title":"pcpst.jpg <span style='color:#111;'> 35.17KB </span>","children":null,"spread":false},{"title":"pcpsc.jpg <span style='color:#111;'> 94.65KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 3.17KB </span>","children":null,"spread":false},{"title":"eda.ipynb <span style='color:#111;'> 14.25KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 2.76KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明