Tutoriel d'utilisation du projet HiFuse

[Lien de téléchargement gratuit] HiFuse HiFuse : Réseau de fusion hiérarchique de caractéristiques multi-échelle pour la classification d'images médicales Adresse du projet : https://gitcode.com/gh_mirrors/hi/HiFuse

1. Structure et présentation du répertoire du projet

HiFuse/
├── LICENSE
├── README.md
├── main_model.py
├── test.py
├── train.py
├── utils.py
└── config/
    └── config.yaml

LICENSE : Fichier de licance du projet, ce projet utilise la licence MIT.
README.md : Document d'introduction du projet, contient les informations de base et les instructions d'utilisation.
main_model.py : Fichier principal du modèle, définit la structure du modèle HiFuse.
test.py : Script de test, utilisé pour évaluer les performances du modèle.
train.py : Script d'entraînement, utilisé pour entraîner le modèle.
utils.py : Fichier de fonctions utilitaires, conteint plusieurs fonctions auxiliaires.
config/ : Répertoire des fichiers de configuration, contient les fichiers de configuration du projet.

2. Présentation des fichiers de démarrage du projet

main_model.py

main_model.py est le fichier principal du modèle dans le projet HiFuse, définissant la structure du modèle et ses opérations associées. Il comprend principalement :

Classe HiFuse : Définit la structure du réseau de fusion de caractéristiques hiérarchique multi-échelle.
Méthode forward : Définit le processus de propagation avant du modèle.

train.py

train.py est le script d'entraînement utilisé pour former le modèle HiFuse. Il comprend principalement :

Boucle d'entraînement : Définit le processus d'entraînement du modèle, incluant le chargement des données, la propagation avant, le calcul de la perte, la propagation arrière et la mise à jour des paramètres.
Chargement de la configuration : Charge les paramètres d'entraînement à partir du fichier de configuration.

test.py

test.py est le script de test utilisé pour évaluer les performances du modèle entraîné. Il comprend principalement :

Boucle de test : Définit le processus de test du modèle, incluant le chargement des données, la propagation avant et l'évaluation des performances.
Chargement de la configuration : Charge les paramètres de test à partir du fichier de configuration.

3. Présentation du fichier de configuration du projet

config/config.yaml

config/config.yaml est le fichier de configuration du projet HiFuse, contenant les paramètres requis durant les processus d'entraînement et de test. Il comprend principalement :

Chemins des données : Définit les chemins vers les données d'entraînement et de test.
Paramètres du modèle : Définit les hyperparamètres du modèle, tels que le taux d'apprentissage et la taille du lot.
Paramètres d'entraînement : Définit les paramètres du processus d'entraînement, comme le nombre d'epochs et le type d'optimiseur.
Paramètres de test : Définit les paramètres du processus de test, comme la taille du lot de test.

Exemple de contenu du fichier de configuration :

data:
  train_path: 'chemin/vers/donnees/entrainement'
  test_path: 'chemin/vers/donnees/test'

model:
  learning_rate: 0.001
  batch_size: 32

train:
  epochs: 100
  optimizer: 'adam'

test:
  batch_size: 16

En modifiant les paramètres dans le fichier de configuration, il est possible d'ajuster de manière flexible le processus d'entraînement et de test.

Étiquettes: deep learning medical image classification feature fusion network architecture PyTorch

Publié le 10 octobre à 03h14

L'Atelier Monstre

Tutoriel d'utilisation du projet HiFuse