HearMeRoar_的博客

然后通过yaml文件中的配置开始训练。训练完成后对测试集进行推理，这里采用的策略是对nii文件的每张图都进行推理，然后对单张推理的结果（NC或MCI）进行计数，最后取数量多的结果记为最终结果，推理完成保存为比赛官方要求的格式即可提交结果。分享嘉宾提到这次的效果也并不是特别好，但其实验证集的精度都能达到98%以上了，猜测可能的原因是官方提供的训练集和测试集的分布差距太大，这就导致训练好的模型对测试集的推理效果很差。

经过这一番改动，代码就可以稳定得运行起来并生成csv文件了，但是还有一些警告，是由于代码中用了一些比较老旧的书写方式。遗憾的是，无论怎么调优，都无法提升F1-score值。感觉还是要在数据集上下手，增加数据集，避免过拟合。

有幸参与了DataWhale的AI视觉夏令营，沉浸式全流程体验AI比赛，比赛题目是：脑PET图像分析和疾病预测挑战赛，这里给出链接：https://challenge.xfyun.cn/topic/info?会警告，说类型不对，查阅了to_csv()函数的用法才知道，index参数是个bool值，代表是否把索引也写进去，默认为True，这里为了契合官方的提交答案模板，不写索引，所以应该修改为False，而不是None。在这里，保持良好习惯，把文件夹修改为了英文，即把。