心脏超声影像分类预测

#记录2025.3.25训练，预测模型的一些收获，感悟

目前训练模型一般用Heart_efficient_1210.yaml这个配置文件，yaml配置文件在项目中主要用于 统一管理参数和设置，其核心作用是 将代码与配置分离，使项目更易维护和扩展。

batch_size在推理预测的时候可以调大一些。比如训练模型的时候batchsize调25，但推理预测的时候batchsize可以调100，因为推理的时候使用的是已经训练好的模型 直接进行推理就可以。

pretrained参数 ：在训练时设置为~，因为没有用预训练模型；在推理时将其设置为 已训练好的模型文件路径

Config File配置文件（包括如YAML、JSON、INI等）是用于 存储程序参数和设置 的独立文件，其核心目的是 将代码与配置分离，提升灵活性和可维护性。

数据集底下的分类标签不用中文，用字典进行一一对应。

all.py用来根据目录生成csv的数据集文件；

exportinfer.py用来根据预测结果表 将对应的图片复制到新建的目录

训练模型的话改yaml配置文件，然后运行main.py

推理模型的时候使用inference.py,记得配置文件的路径要正确。

这个推理的代码说标签数量不匹配，我以为是报错了，但其实是正常的。因为这一批图像预测的结果 不可能37个类的切面都有。

inference.py运行结束之后会生成一个xlsx的文件。再去运行exportinfer，在读取excel路径那里，把文件路径改成刚刚推理生成的xlsx文件，将其转化为csv文件

运行完了，生成了test.csv。即需要预测的图片和对应输出的预测结果。没有正确率，因为test不带标签。test.csv如图所示。

#4.8更新：exportinfer这个代码，不仅将预测结果存为csv文件，还把预测的结果对应的图像按照具体预测的类别进行存储，存储在了data/Heart37/infer下，如果不把图像重新存储，医生们没法复核分类情况。

2025.6.14推理预测配置参数如下，train_root和val_root都填的是推理数据集，pretrained填的是已经训练好的模型文件。