基于深度学习对皮肤病进行识别设计与实现

AI炮灰

已于 2022-08-18 08:22:51 修改

阅读量1.6k

点赞数

分类专栏：深度学习实战代码40例文章标签：深度学习 python tensorflow

于 2022-08-17 22:47:53 首次发布

本文链接：https://blog.csdn.net/bigData1994pb/article/details/126384361

版权

深度学习实战代码40例专栏收录该内容

26 篇文章 40 订阅 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

该博客详细介绍了如何利用深度学习技术进行皮肤病识别。首先检查GPU环境并加载数据集，接着对图像进行预处理，包括剪切操作。然后划分训练集和测试集，并分析数据维度。进一步构建深度学习模型，并进行优化。博主通过保存最佳模型确保模型性能，并最终执行训练和测试过程。

摘要由CSDN通过智能技术生成

1.查看GPU，如果有GPU就使用，并查看数据集

from tensorflow.keras import layers,models
import os, PIL, pathlib
import matplotlib.pyplot as plt
import tensorflow as tf

# 如果有可用GPU就使用
gpus = tf.config.list_physical_devices("GPU")
if gpus:
    gpu0 = gpus[0]                                        #如果有多个GPU，仅使用第0个GPU
    tf.config.experimental.set_memory_growth(gpu0, True)  #设置GPU显存用量按需使用
    tf.config.set_visible_devices([gpu0],"GPU")
print(gpus)

# 数据准备
data_dir = "E:/jiemi/数据集/猴痘病数据集/"
data_dir = pathlib.Path(data_dir)
image_count = len(list(data_dir.glob('*/*.jpg')))
print("图片总数为：",image_count)

# 查看猴痘病的图像
Monkeypox = list(data_dir.glob('Monkeypox/*.jpg'))
img = PIL.Image.open(str(Monkeypox[1]))
plt.figure("猴痘病")
plt.imshow(img)
plt.show()