32、肿瘤疑似检测分类模型的训练与验证

肿瘤疑似检测分类模型的训练与验证

在机器学习和深度学习领域，训练和验证模型是构建有效模型的关键步骤。本文将详细介绍一个用于检测疑似肿瘤的分类模型的训练和验证过程，包括模型训练、损失计算、验证循环以及性能指标输出等方面。

1. 模型训练与验证概述

在模型训练过程中，我们使用以下代码进行训练和验证：

loss_var = self.computeBatchLoss(
    batch_ndx,
    batch_tup,
    train_dl.batch_size,
    trnMetrics_g
)
loss_var.backward()
self.optimizer.step()
self.totalTrainingSamples_count += len(train_dl.dataset)
return trnMetrics_g.to('cpu')

与之前章节的训练循环相比，主要有以下差异：
- 详细的每类指标收集 ： trnMetrics_g 张量在训练期间收集详细的每类指标，这对于大型项目非常有用。
- 使用 enumerateWithEstimate ：不直接迭代 train_dl 数据加载器，而是使用 enumerateWithEstimate 提供预计完成时间，这只是一种风格选择。
- 损失计算封装