#21天学习挑战赛—深度学习实战100例#——乳腺癌识别

活动地址：CSDN21天学习挑战赛
本文为🔗365天深度学习训练营 中的学习记录博客

---

前言

本周的任务有3个，生成手写数字，动物识别，乳腺癌识别。因为任务不同，那么可能会使用到不同的预处理、网络等等。
本节主要学习乳腺癌识别。

一、拆解任务

首先需要了解这次需要处理的任务，这里贴一张老师的数据展示图。

数据分为图片及其对应的标签，这里需要将标签转为离散的数字。

二、学习内容

这次的任务其实跟之前做过的识别衣服、识别手写数字等等的类似，本章其实主要以复习以前学过的知识为主。

1. 数据处理

读数据（很常规的内容）
主要是从磁盘读数据，然后随机划分为训练集、验证集、测试集。完成一些必要的预处理，比如channel，resize，等等。

import pathlib

data_dir = "./32-data"
data_dir = pathlib.Path(data_dir)
image_count = len(list(data_dir.glob('*/*')))
print("图片总数为：",image_count)
batch_size = 16
img_height = 50
img_width  = 50
"""
关于image_dataset_from_directory()的详细介绍可以参考文章：https://mtyjkh.blog.csdn.net/article/details/117018789
"""
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
    data_dir,
    validation_split=0.2,
    subset="training",
    seed=12,
    image_size=(img_height, img_width),
    batch_size=batch_size)
"""
关于image_dataset_from_directory()的详细介绍可以参考文章：https://mtyjkh.blog.csdn.net/article/details/117018789
"""
val_ds = tf.keras.preprocessing.image_dataset_from_directory(
    data_dir,
    validation_split=0.2,
    subset="validation",
    seed=12,
    image_size=(img_height, img_width),
    batch_size=batch_size)
class_names