برای شروع میتوانید یک دایرکتوری در سرور خارجی ایجاد کنید و وارد آن شوید.
mkdir vmess
cd vmess
| def load_pretrained(): | |
| pretrained_model = torchvision.models.mobilenetv3.mobilenet_v3_small(pretrained=True, | |
| progress=True) | |
| return pretrained_model.features | |
| class PneumoniaNet(nn.Module): | |
| def __init__(self, | |
| input_dim, | |
| finetune=False): |
| ========================================================================================== | |
| Layer (type:depth-idx) Output Shape Param # | |
| ========================================================================================== | |
| ├─Sequential: 1-1 [-1, 576, 8, 8] -- | |
| | └─ConvBNActivation: 2-1 [-1, 16, 128, 128] (464) | |
| | └─InvertedResidual: 2-2 [-1, 16, 64, 64] (744) | |
| | └─InvertedResidual: 2-3 [-1, 24, 32, 32] (3,864) | |
| | └─InvertedResidual: 2-4 [-1, 24, 32, 32] (5,416) | |
| | └─InvertedResidual: 2-5 [-1, 40, 16, 16] (13,736) | |
| | └─InvertedResidual: 2-6 [-1, 40, 16, 16] (57,264) |
| precision recall f1-score support | |
| Normal 0.98 0.69 0.81 234 | |
| Pneumonia 0.84 0.99 0.91 390 | |
| accuracy 0.88 624 | |
| macro avg 0.91 0.84 0.86 624 | |
| weighted avg 0.89 0.88 0.87 624 | |
| test_loss: 0.4041681243823125 |
| import os | |
| import shutil | |
| import gzip | |
| from pmaw import PushshiftAPI | |
| import datetime as dt | |
| from tqdm import tqdm | |
| import pandas as pd | |
| from pathlib import Path | |
| # Creating data folder |
برای شروع میتوانید یک دایرکتوری در سرور خارجی ایجاد کنید و وارد آن شوید.
mkdir vmess
cd vmess