14、卷积神经网络在IDC检测中的应用与解释

卷积神经网络在IDC检测中的应用与解释

1. 训练和评估卷积神经网络（CNNs）

在准备好数据集和数据加载器后，就可以创建CNN模型了。这里使用PyTorch的torchvision包中实现的ResNet架构。借助torchvision，还能初始化其他先进的架构，如AlexNet、VGG、Inception和ResNeXt。通过将 pretrained 标志设置为 true ，可以加载带有预训练权重的模型，此时返回的是在ImageNet数据集上预训练的模型。但在IDC检测示例中，不使用预训练模型，而是随机初始化模型权重，使用包含组织切片图像的新数据集从头开始训练。

以下是初始化CNN的代码：

import torch
import torchvision
import torch.nn as nn

# Hyper parameters
num_classes = 2 
# Device configuration
device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu') 
# Use the ResNet architecture for the CNN
model = torchvision.models.resnet18(pretrained=False)  
num_features = model.fc.in_features  
# Create the fully connected layers for classification
model.fc = nn