RetinaNN眼底图像识别项目经历

眼底图像识别的训练和预测编译通过了。开始用便携机进行训练和预测了，然后被迫买了台式机来进行图像模型训练和图像分类预测。具体过程如下：

便携机炼火

前天用便携机配置Intel i5-7300HQ和NIVDIA GeForce GTX1050 ，采用retina 的DRIVE 20 张图像数据，需要训练20轮，每轮训练图像切片 171000张。开始采用便携机训练，风扇呼呼地吹，一轮就用了3个小时，这样训练20轮就要60 个小时，岂不要把便携机累死！后面预测还要多长时间未知。所以训练3轮就停止运行训练模块。

决定减少训练轮数和数据量，于是将配置模块中的N_epochs = 20改成N_epochs = 3，训练模块中的参数 validation_split=0.1改成validation_split= 0.2，

model.fit(patches_imgs_train, patches_masks_train, epochs=N_epochs, batch_size=batch_size, verbose=1, shuffle=True, validation_split=0.1, callbacks=[checkpointer])

 

这样3轮训练和预测，从早8点干到晚6点，中午便携机也没有歇着。为了避免累死便携机 ，决定买台台式机来进行训练。

台式机练爽

晚上在网上搜索，确定了