14、基于Docker深度学习的肺炎预测模型

基于Docker深度学习的肺炎预测模型

1. 引言

在深度学习模型方面，我们采用了VGG16模型。VGG16是一个16层深的卷积神经网络（CNN）。虽然这16层是预定义的，但我们可以移除一些层并添加自己的层，以改变数据输入模型以及在各层之间传递的方式。为了创建模型，我们移除了原始的第16层，并添加了自己的层，使模型输出分为正常和肺炎两个类别。

我们还对图像进行了预处理，包括旋转、缩放和转换为黑白图像，然后将其输入模型进行训练。这是一种基于试错的方法，目的是最大化模型的准确性。为了分发模型并使其对有需求的人高度可用，我们通过Docker来提供对模型的访问。Docker是一个常用的平台，用于创建、打包和交付在云端运行的应用程序。它加速并简化了创建可重现和可共享系统的过程，还提供了一种管理基础设施的方式，就像管理应用程序和产品一样。

我们创建了一个包含模型文件和用户界面（UI）的Docker镜像，方便用户访问模型。将Docker镜像上传到网上后，任何想使用该模型的人都可以拉取该镜像，创建容器，然后根据自己的需求使用它。我们还在FastAPI服务器上创建了一个易于使用的UI网站，用户可以从系统的文件系统中选择图像，然后将图像输入模型，结果将显示在同一个UI网站上。

整个系统的流程如下：
1. 用户首先需要获取想要检查是否正常或患有肺炎的肺部图像。
2. 从Docker仓库拉取系统镜像，并在Docker容器中运行。
3. Docker容器将在独立环境中本地安装系统的所有依赖项，然后启动与后端模型相连的UI。
4. UI提示用户上传肺部图像，图像将被输入后端，模型对输入进行分类，判断为正常或肺炎。
5. 输出结果传递到前端