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