lung X-ray 识别，基于CNN

本文由kaggle上的代码而来，基于CNN实现了肺部数据集的识别。

什么是CNN，其实你并不需要知道它的层逻辑是什么，你只需要知道，它可以用于

图像识别、目标检测、图像生成等问题。

说到这里，大家做这些项目为什么老是动不了手，还有就是动手了没效果，大家一定要尝试换一个方向，不能死磕。就算是别人的代码，你也是需要考虑一些问题的，否则，你自己在怎么做，也没有效果，会对自己产生怀疑。所以要尽量避免这个。

一，首先将一下环境的问题，你要知道python是编译器，而像其他的什么pycharm，vs code，jupyter都是依附与python存在的，python才是他们的底层。

所以在配置环境上，你需要找到适合自己的电脑的python，一般都是用镜像安装，因为官方网站在国外，所以下载起来，超级慢，这里附上国内镜像python的网址。

Index of python-local (huaweicloud.com)

认准下面这个，别下载了盗版。

选择适合的版本号，然后再次点击。 

然后需要查看自己的电脑是x64，还是32位的，网上可以搜到，这里就不赘述的。

一般都是下载3.0.0以上的版本，对应自己的系统是win，还是linux,或者其他。 

我下在的版本是3.7，window系统，64bit位。

然后需要下载vs  code 社区版，直接下载window版本。

进入后，点击这里直接下载后完成安装即可。 

二，介绍一下lung X-ray dataset，是在kaggle上开源的数据集，被用于多种方面，但是今天这里只谈它被用于三种形式的识别。

1，数据集网址，也是根据这个实现的项目。如果找不到数据集下载的地方，可以私聊博主。

Lung Disease CNN (kaggle.com)

2，接下来就是根据它写的这篇改为我们需要的论文的方式。如下并且由前端。

3，首先要知道在kaggle上的代码都是jupyter的形式，但是我们不需要那种，所以这里就需要将它改为我们需要的。

3.1，一般开始都是import libraries，这里我们就先将它它需要的库全部导入我们的的创建的文件夹下，如上述所示，一般导入train.py，predict.py，model.py.中，因为他们放在代码的最前面不会影响后续的代码运行，如果带存在的话。导入后，只需要运行，然后看错误，百度一下，找出需要安装的库即可，这里也附上镜像安装库的方式

pip install 库名 -i https://pypi.tuna.tsinghua.edu.cn/simple/

3.2，这里提到一点我遇到卡了很久的错误，就是需要将

from tensorflow.keras import models, layers
#上述这种改为
from tensorflow import keras
from keras import models

3.3完成上述后，已经完成了一大半任务了，后面就需要看懂模块，将他们分别装入model，train，predict中。这里一般推荐使用kimi ai去识别出相应的句段的意思，然后在复制下来装入其中。然后还要舍弃一些不必要的，增加一些必须的，这些可以问ai。

举一个例子，比如下面这段代码，很明显就是需要装入model中去。但是它缺少东西，就是缺少保存模型的代码。这里可以直接问ai，（怎样保存训练的模型），下面是我搜索出来的，不得不说，确实很智能。将这段代码赋值到model中即可，但是还是不完整，这里就需要自己运行看缺少什么东西了，缺少什么补什么。

# 保存模型到HDF5文件
model.save('my_model.h5')

# 如果你只想保存模型结构，不包括权重，可以使用以下命令
# model.save('my_model_structure.h5', include_optimizer=False)

 3.4，在完成model，训练出模型，然后在通过train后保存下权重，（权重保存也是需要通过ai来搜索，并且copy到train下）。

# 选择一个文件名来保存权重
weights_filename = 'model_weights.h5'

# 保存权重
model.save_weights(weights_filename)

 3.5，训练好权重文件和模型文件后，我们就可以通过着两个文件来写前端界面了，当然还是通过ai来搜索出，然后copy，然后在对应改错。

最终就可以将它变成自己的项目了，下面是运行app.py后再次点击，生成的网址，上传图像后即可得到预测的结果。

这里如果想要作者自己改的这个模型的代码源文件，关注后，后台私信即可。会给相应的数据集还有代码源文件。

如果由不懂的可以在评论区问。