自己建网站做那个模块好,建设网站的费用如何账务处理,上海专业网站建设价,园艺建设网站#x1f341;#x1f341;#x1f341;图像分割实战-系列教程 总目录 有任何问题欢迎在下面留言 本篇文章的代码运行界面均在Pycharm中进行 本篇文章配套的代码资源已经上传 unet医学细胞分割实战1 unet医学细胞分割实战2 unet医学细胞分割实战3 unet医学细胞分割实战4 unet…图像分割实战-系列教程 总目录 有任何问题欢迎在下面留言 本篇文章的代码运行界面均在Pycharm中进行 本篇文章配套的代码资源已经上传 unet医学细胞分割实战1 unet医学细胞分割实战2 unet医学细胞分割实战3 unet医学细胞分割实战4 unet医学细胞分割实战5 unet医学细胞分割实战6 7、单个epoch的训练函数解析 def train(config, train_loader, model, criterion, optimizer):avg_meters {loss: AverageMeter(), iou: AverageMeter()}model.train()pbar tqdm(totallen(train_loader))for input, target, _ in train_loader:input input.cuda()target target.cuda()if config[deep_supervision]:outputs model(input)loss 0for output in outputs:loss criterion(output, target)loss / len(outputs)iou iou_score(outputs[-1], target)else:output model(input)loss criterion(output, target)iou iou_score(output, target)optimizer.zero_grad()loss.backward()optimizer.step()avg_meters[loss].update(loss.item(), input.size(0))avg_meters[iou].update(iou, input.size(0))postfix OrderedDict([ (loss, avg_meters[loss].avg), (iou, avg_meters[iou].avg)])pbar.set_postfix(postfix)pbar.update(1)pbar.close()return OrderedDict([(loss, avg_meters[loss].avg),(iou, avg_meters[iou].avg)])定义训练函数传入参数配置信息、训练数据Dataloader、模型、损失函数、优化器创建一个字典记录loss和iou其中AverageMeter类的代码为 class AverageMeter(object):def __init__(self):self.reset()def reset(self):self.val 0self.avg 0self.sum 0self.count 0def update(self, val, n1):self.val valself.sum val * nself.count nself.avg self.sum / self.count模型进入训练模式创建进度条按照总批次来显示遍历Dataloader取出训练数据和标签训练数据进入GPU训练标签进入GPU是否设置了每个位置加入监督如果是则从模型中得到输出当前loss置0遍历所有的输出求出所有输出的损失并且累加到loss中求出平均loss根据模型最后一个输出和标签使用iou_score函数计算iouiou_score函数代码为 def iou_score(output, target):smooth 1e-5if torch.is_tensor(output):output torch.sigmoid(output).data.cpu().numpy()if torch.is_tensor(target):target target.data.cpu().numpy()output_ output 0.5target_ target 0.5intersection (output_ target_).sum()union (output_ | target_).sum()return (intersection smooth) / (union smooth)如果不是设置了每个位置加入监督从模型中得到输出损失函数计算损失根据模型所有输出和标签使用iou_score函数计算iou梯度清零向传播计算得到每个参数的梯度值通过梯度下降执行一步参数更新更新平均损失更新平均iou构建 postfix 字典展示进度条从avg_meters 中相应的 AverageMeter 对象获取的当前平均损失和 IoU 值更新进度条关闭进度条返回一个包含平均损失和 IoU 值的有序字典 8、单个epoch的验证函数 def validate(config, val_loader, model, criterion):avg_meters {loss: AverageMeter(), iou: AverageMeter()}model.eval()with torch.no_grad():pbar tqdm(totallen(val_loader))for input, target, _ in val_loader:input input.cuda()target target.cuda()if config[deep_supervision]:outputs model(input)loss 0for output in outputs:loss criterion(output, target)loss / len(outputs)iou iou_score(outputs[-1], target)else:output model(input)loss criterion(output, target)iou iou_score(output, target)avg_meters[loss].update(loss.item(), input.size(0))avg_meters[iou].update(iou, input.size(0))postfix OrderedDict([ (loss, avg_meters[loss].avg), (iou, avg_meters[iou].avg), ])pbar.set_postfix(postfix)pbar.update(1)pbar.close()return OrderedDict([(loss, avg_meters[loss].avg), (iou, avg_meters[iou].avg)])验证函数大部分内容与训练函数一致只不过一个模型训练模式一个是模型推理模式。此外验证函数中没有反向传播梯度清零、梯度计算、参数更新等。 unet医学细胞分割实战1 unet医学细胞分割实战2 unet医学细胞分割实战3 unet医学细胞分割实战4 unet医学细胞分割实战5 unet医学细胞分割实战6