上一篇文章讲了训练过程和tensorboard可视化，这一篇文章记录下训练指标和数据增强的东西。

五、肺癌检测-数据集训练 training.py model.py_wxyczhyza的博客-CSDN博客

一、目标

1. 记录精度、召回率、F1分数

2. 样本均衡和样本随机化

3. 数据增强

二、要点

1. 精度、召回率、F1分数

精度、召回率、F1分数概念可参考文章：

召回率，精确度，准确率，F1分数的区别_wxyczhyza的博客-CSDN博客

 2. 样本均衡化和样本随机化

由于数据中肿瘤只占所有结节的极少数，直接训练时会导致模型被训练成偏向将结果预测为正常结节，所以要对样本进行平衡和随机化，避免某个batch中出现所有样本只有正常结节没有肿瘤。

具体步骤：将正样本放在pos_list中，负样本放在neg_list中，当调用dataset的getiem(index)时，计算这个index是正样本还是负样本，并从对应的pos_list或neg_list中索引对应的样本返回。

假设希望正常结节和肿瘤数量的比例ratio=2，当使用dataset的getitem通过下标索引样本时，希望得到的样本为：

数据集 索引 Index	0	1	2	3	4	5	6	7	8	9	转换公式
肿瘤+ 正常-	+	-	-	+	-	-	+	-	-	+
pos_list索引 Index_P	0			1			2			3	Index_P = Index // (ratio+1)
neg_list索引 Index_N		0	1		2	3		4	5		Index_N = Index -1- Index_P

举例：当ratio_int=2, 输入dataset的index为101，则：

① 101/ (2+1) = 33.6...,不能被3整除，证明是一个负样本，它对应的正样本的索引Index_P=33

② 负样本的索引Index_N = 101 -1 - 33 = 67

书中部分代码如下：

# dsets.py __init__函数代码
# 正常结节
self.negative_list = [nt for nt in self.candidateInfo_list if not nt.isNodule_bool
]
# 肿瘤
self.pos_list = [nt for nt in self.candidateInfo_list if nt.isNodule_bool
]

# dsets.py def getitem()
if self.ratio_int:pos_ndx = ndx // (self.ratio_int + 1)if ndx % (self.ratio_int + 1):  # 负样本neg_ndx = ndx - 1 - pos_ndxneg_ndx %= len(self.negative_list)  # 求余数防止下标溢出candidateInfo_tup = self.negative_list[neg_ndx]else:pos_ndx %= len(self.pos_list)  # 求余数防止下标溢出candidateInfo_tup = self.negative_list[pos_ndx]
else:candidateInfo_tup = self.candidateInfo_list[ndx]