pytorch：ResNet50做新冠肺炎CT照片是否确诊分类

这篇博客介绍了使用PyTorch实现的ResNet50网络结构，针对COVID-19 CT图像进行诊断，解决深层网络梯度消失问题，并展示了训练和测试流程，以及如何加载预训练模型进行预测。

完整项目代码：https://github.com/SPECTRELWF/pytorch-cnn-study
个人主页：liuweifeng.top:8090

ResNet网络结构

在这里插入图片描述

ResNet是何恺明大神在CVPR2016的工作，也拿到了当年的最佳论文。是为了解决深层网络的梯度消失的问题，引入了残差块连接。

数据集描述

数据集使用的是来自格物钛的一个公开数据集，数据集下载地址：https://gas.graviti.cn/dataset/data-decorators/COVID_CT，里面包含715张图片，包含确诊和未确诊的，比例大概一比一，图像是处理过的CT图像。
在这里插入图片描述

网络结构

使用pytorch的torchvision里面提供的resnet50（），未使用预训练模型。在后面再加上一层全连接层：

# !/usr/bin/python3
# -*- coding:utf-8 -*-
# Author:WeiFeng Liu
# @Time: 2021/11/9 下午4:57

import torchvision
import torch.nn as nn



class my_resnet50(nn.Module):
    def __init__(self):
        super(my_resnet50, self).__init__()
        self.backbone = torchvision.models.resnet50(pretrained=False)
        self.fc2 = nn.Linear(1000,512)
        self.fc3 = nn.Linear(512,2)

    def forward(self,x):
        x = self.backbone(x)
        x = self.fc2(x)
        x = self.fc3(x)
        return x

train:

# !/usr/bin/python3
# -*- coding:utf-8 -*-
# Author:WeiFeng Liu
# @Time: 2021/11/9 下午4:48

import torch
import torchvision
import torchvision.transforms as transforms
import torchvision.models as models
import torch.utils.data as data
from torch.utils.data import DataLoader
from dataload.COVID_Dataload import COVID
from resnet50 import my_resnet50
from torch import nn,optim

transforms = transforms.Compose([
    transforms.Resize([