update

src/机器学习思路整理.md

@@ -0,0 +1,49 @@
+#### *第一步、搜集数据集*
+
+- *文件保存在picture文件夹中*
+  - *benign 良性乳腺癌图片*
+  - *malignant 恶性乳腺癌图片*
+  - *normal 正常乳腺癌图片*
+- *以70%作为训练集、30%作为测试集*
+
+#### *第二步、处理数据集*
+
+- *(1) 读取图片*
+- *(2) 使用sklearn.model_selection中的train_test_split 分割数据集*
+- *(3) 使用plt打印图片*
+
+#### *第三步训练*
+- *训练模型选择*
+  - *使用Microsoft提出的DenseNet201框架进行训练*
+  - *DenseNet201包含201层卷积层和全连接层*
+  - *拥有池化操作，非常适合训练模型*
+  
+- *激活函数选择*
+  - *使用softmax作为激活函数*
+  
+  - $$
+    Softmax(z_{i} )=\frac{e^{z_{i}}}{ {\textstyle \sum_{c=1}^{c} e^{z_{c}}}}
+    其中zi为第i个节点的输出值，c为输出节点的个数
+    $$
+  
+- *损失函数选择*
+  
+  - *使用二元交叉熵给出*
+  
+  - $$
+    Loss = \frac{1}{N} \sum_{i=1}^{N}[y_{i}log(p(y_{i})) + (1-y_{i})(1 - log(p(y_{i})))]
+    $$
+  
+- *优化器选择*
+  
+  - *Nadam优化器*
+  - *该优化器综合Adam将RMSprop和动量结合起来*
+  - *优于Adam优化器*
+
+#### *第四步*测试
+
+- *导入图片*
+  - *使用PIL进行读取图片*
+  - *使用test pic进行测试*
+  - *tensorflow load_model进行模型的加载*
+  - *predict进行模型的预测*