比较机器学习方法在非小细胞肺癌纵隔淋巴结转移分类中的应用

微博：@MrGiovanni

电子邮件：zongweiz@asu.edu

如果您觉得这篇论文有用，请引用它。谢谢！

王华，周Z，李Y，等。 18F-FDG PET/CT图像非小细胞肺癌纵隔淋巴结转移机器学习方法比较[J]. 2017年，7。

---

论文引用——3.2 测试平台

项目代码在Windows 7上运行，主要使用Matlab R2013a和Python。 Matlab用于块分割和预处理，卷积神经网络使用Keras构建，Keras是一个基于Python和Theano的深度学习框架。 Keras 是一个基于 Theano 的深度学习框架。它的设计参考了Torch，用Python语言编写。它是一个高度模块化的神经网络库，支持GPU和CPU。它特别容易使用，适合快速开发。

开门见山，拒绝走弯路

下载 Anaconda Python 发行版：

无脑安装，继续下一步

安装完成后，所有的基础包都可用了。安装好anaconda后，相当于安装了Python、IPython、集成开发环境Spyder、一些包等。然后打开Anaconda Prompt，cd到.py文件的路径，输入“python **.py”。注意：与cmd命令相比，这里多了一个“python”。如果不添加python，会出现错误信息：Access Denied。

打开Anaconda Prompt，输入命令，即可运行py文件

在打开的Anaconda Prompt的命令行中输入“pip install keras”，稍等片刻，keras就直接安装好了，太方便了！

pip安装keras

然后输入命令“conda install mingw libpython”，稍等片刻，MinGW就安装好了。

解决g++未检测到问题

最近安装的时候感觉很慢。有时根本没有任何进展。我怀疑是被屏蔽了

于是我默默地翻过墙，然后我就进步了。

接下来开始安装theano~三步

1. 下载 theano 的 zip 文件，并将其解压到计算机上的目录.../Anaconda/Lib/site-packages/theano。注意：原来这个site-packages中有一个叫做theano的东西。删除它。 ！替换为压缩包中的文件，并重命名为theano

2、添加环境变量：路径：C:/Anaconda/MinGW/bin； C:/Anaconda/MinGW/x86_64-w64-mingw32/lib;

3、新建环境变量：PYTHONPATH:C:/Anaconda/Lib/site-packages/theano；

好了，理论上theano已经安装成功了。我们来测试一下吧~在Anaconda Prompt命令行中输入“python”回车，然后输入“import theano”回车。如果你看到三个箭头“>>>>”并且没有其他乱七八糟的东西，那就意味着：你！安装！盒！变得！成就！啦！

此时，你已经可以运行keras神经网络程序了，但是有一个小缺陷：会警告你找不到cl.exe。你可以忽略它，我提供的解决方案是

进入电脑C盘目录，搜索“cl.exe”。将出现几个 cl.exe。

可靠的路径名是：C:\Program Files (x86)\Microsoft Visual Studio 11.0\VC\bin\x86_amd64

当然，前提是你的电脑上安装了Visual Studio（VS）。如果没有，也没关系。只需安装它即可。提供VS各版本免费下载地址：Visual Studio各版本下载

下载完后，将搜索到的cl.exe路径添加到系统路径Path中，警告就消失了~

（可选）加速库CuDNN

从官网下载需要注册账号并申请，两三天内就会审核通过。通常可以通过网盘搜索找到最新版本。

Windows 当前为 cudnn-7.0-win-x64-v5.0-prod.zip。

下载并解压名为cuda的文件夹，其中包含bin、include和lib。将这三个文件夹复制到CUDA安装的地方覆盖对应的文件夹。默认文件夹是：

C:\Program Files\NVIDIA GPU 计算工具包\CUDA

添加环境变量：path:C:\Anaconda2;C:\Anaconda2\Scripts;

很酷，整个 64 位 python·keras 已配置完毕，这意味着您可以运行深度学习代码了:)

至于找keras的源码，这里随便选一个，一般都是用mnist_cnn.py。

如果你已经根据“干信息”成功配置了keras，那么就不要继续阅读了。如果没有，这里有更详细的步骤、遇到的错误以及相应的解决方案。供你参考：）

安装Python

我选择的版本是2.7.11版本，注意！不要安装Python 3.5.1，否则后续的深度学习配置会出现各种陷阱。从Python官方主页下载Python安装包。下载地址为：

下载2.7.11，不要追最新！ ！

选择64位！选择64位！选择64位！说三遍，不然数据量变大就会出现MemoryError！

正是因为这个原因，我需要重新安装python！呵呵

我运行的是 Windows 7 64 位机器

当然，我一开始没有安装64位版本是有原因的，因为运行mnist手写字体识别的神经网络时出现这个问题。当时为了简单，我就简单的安装了32位的python。唉，坑还是要填啊！ ！ ！

64位的ImageDataGenerator会报错，但最终你不需要使用这个模块。

下载完成后，一直点击“下一步”即可。注意：安装在系统盘！ ！

这里只为我选择

安装完成后，我们需要手动添加环境变量：右键我的电脑->属性->点击高级系统设置->点击环境变量->点击PATH->在最后添加我们的Python安装路径->点击当然。反正就是Python27文件夹的系统目录。

我的路径是：C:\\Python27

如何查看是否安装成功？打开cmd命令行界面，输入python，返回版本号。就是这样。

我就不告诉你怎么打开cmd了~

python安装成功！

安装点子

pip 之于 Python，就像 Apple Store 之于 iPhone。这是每个包的下载中心。刚刚下载下来的python相当于一个裸机。在pip中需要下载一些深度学习所需的包~所以现在我们先下载并安装pip。

您还需要从Python的官方网站下载它。下载地址为：

会自动跳转到这里。只需下载这个即可。

下载后解压到python27文件路径

在这里解压

打开它，里面有一个setup.py，复制当前路径，cmd下cd到这里

cd C:\\Python27\\pip-8.1.1

到达C:\\Python27\\pip-8.1.1后，输入

python setup.py 安装

只需输入两行代码

这种情况就是“没有配置环境变量”！ python安装也是同样的道理

--------我是分割线---------

当然最近又出现了一个新的错误，就是这个

导入错误：没有名为 setuptools 的模块

如果没有遇到最好的，就直接跳到下一条分割线。如果遇到的话，解决方法是：

直接使用浏览器访问地址：，直接打开get-pip.py的源码，可以直接复制内容，然后在本地创建get-pip.py。只需新建一个txt文档，粘贴内容，并将其重命名为get-pip.py即可。注意：文件类型更改为.py。

运行cmd，cd到get-pip.py所在目录（我是C:\\Python27），运行代码：

运行get-pip.py，安装完成:)

--------我是分割线---------

按照之前介绍的添加环境变量的方法，我们在PATH末尾添加：

C:\\Python27\\脚本；

然后检查pip是否安装成功。在cmd中输入pip，就会出现这个。

对你有好处，你成功了！

安装深度学习框架keras

以上都是基本的准备工作。如果你已经跪在前面了，那么。 。仅有的。 。祝你一切顺利：）好了，我现在开始正式讲一下​​如何使用keras！

注：python和keras的所有代码都是在cmd界面运行~

我们可以先看一下Python目前有哪些包，在cmd中输入：

点值列表

现在有pip、setuptools和wheel。

我们需要先安装 scipy 和 numpy 这两个包。注意：这两个包很奇怪。用 pip 安装它们会给你带来很多错误。建议使用在线scipy.exe和numpy.exe无脑安装，省事。你可能会在网上看到whl等格式的文件以及所谓的“官网”安装。我只能建议：不要落入陷阱。 。 。 :)

Numpy.exe 64位下载地址：

scipy.exe 64位下载地址：

可能scipy.exe需要注册账号，所以我给大家提供我的两个exe的百度云链接：numpy.exe、scipy.exe

下载完这两个exe后，都是无脑安装的，一直按next就可以了。然后在cmd下输入“pip list”检查是否安装完成。如果成功的话就是这个界面。

分阶段享受乐趣:)

接下来我将介绍如何使用pip appstore。这只是一句话的问题。在cmd中输入：pip install **（你要下载的包），然后回车。确保有互联网连接，下载和安装将自动开始。这非常简单。例子：

现在已经安装了 scipy 和 numpy，我可以下载并安装 keras，仅此而已

pip安装keras

这样keras就安装成功了。 。 。

调试keras

首先，你必须有一个卷积神经网络的keras示例代码。一般来说，推荐minst。我可以提供代码和数据。我认为这个网站将成为下一步学习的垫脚石，因为你需要开始稍微改一下代码。

这个网站相当于keras的详细使用文档，是学习keras过程中不可避免的参考资料。

有了代码和数据，我稍微改变了数据路径，然后开始解决一堆错误问题：

错误1：抱歉，未实现：64位模式未编译

原因：32位gcc无法编译64位程序。

解决办法：下载64位gcc并安装到E:\\MinGW\\bin下，需要修改环境变量。 （个人测试不行，哈哈）

错误 2：“g++”未被识别为内部或外部命令。

我只是使用我安装的codeblocks的g++.exe所在的路径并将其放入环境变量中。

错误 3：TypeError：max_pool_2d() 得到意外的关键字参数“mode”

这是当 Keras 内部的函数在形参中使用额外的“模式”定义时。找到这个函数，删除mode='average_exc_pad'。求函数的方法如下所示。函数在文件theano_backend.py（C:\\Python27\\Lib\\site-packages\\keras\\backend\\theano_backend.py）中，使用搜索找到pool_out = downsample.max_pool_2d的位置中，删除什么应该删除！

这就需要修改keras的内部代码了~

--------我是分割线---------

如果你真的遇到太多陷阱，那就尝试其他方法。如果正常就跳到下一条分割线了（呃）

Anaconda Python 发行版安装

下载 Anaconda Python 发行版：

无脑安装，继续下一步

安装完成后，所有的基础包都可用了。安装好anaconda后，相当于安装了Python、IPython、集成开发环境Spyder、一些包等。然后打开Anaconda Prompt，cd到py文件的路径，输入“python **.py”。注意：与cmd命令相比，这里多了一个python。如果不添加python，访问会被拒绝。

打开Anaconda Prompt，输入命令，即可运行py文件

然后在打开的Anaconda Prompt命令行中输入“pip install keras”，这样keras就直接安装好了，太方便了！

--------我是分割线---------

好吧，我们继续填坑。

错误4：未检测到g++！

前提是我已经将E:\\Program Files (x86)\\CodeBlocks\\MinGW\\bin和lib,include添加到系统路径中。呵呵

g++ 未找到！ ！ ！ ！

解决方案：在【Anaconda2】中输入命令“conda install mingw libpython”

成功解决g++未检测到的问题

错误5：异常：编译失败（返回状态=-1073741701）

错误消息看起来像这样

-fPIC问题的解决方案：我看不懂，妈的

我的解决方案：首先不要使用codeblocks的g++.exe，使用Anacoda2自带的MinGW的g++.exe，并将此路径添加到环境变量中

地址是C:\\Users\\Administrator\\Anaconda2\\MinGW\\x86_64-w64-mingw32\\bin，然后错误信息变成这样

错误：CreateProcess：没有这样的文件或目录

对于这种错误4和错误5，我想提供一个终极的解决方案！ ！ ！ （再也忍不了了）

Theano在64位WIN7上成功安装并运行g++和GPU

我们已经安装了 Anaconda，现在我们需要重新安装它！新的！安装！盒！西亚诺！

1.下载theano的zip文件，解压到.../Anaconda/Lib/site-packages/theano（文件中有一个theano文件夹，取出来放到E:/Anaconda/Lib/site -packages) 目录下。

2、添加环境变量：路径：E:/Anaconda/MinGW/bin;E:/Anaconda/MinGW/x86_64-w64-mingw32/lib;

(32位E:/Anaconda/MinGW/i686-w64-mingw32/lib;)

创建一个新的环境变量：PYTHONPATH: E:/Anaconda/Lib/site-packages/theano;

g++.exe，theano完美解决了这个问题！收藏起来~

至此，我的所有问题都已成功解决，你呢？你能成功训练你的神经网络吗？

时隔72小时，我终于再次看到这温馨的场景，我太高兴了！

写一个复活节彩蛋

对于64位Anaconda，如果python想要读取MATLAB数据文件.mat，似乎已经不能再使用32位代码了，因为会出现“Python.exe已停止工作”的错误。

sio.loadmat() 不起作用

解决办法就是改变阅读方式~

h5py.File()

这个功能有很多优点：

1.可以读取MATLAB 7.3版本或更高版本（保存-v7.3）变量在64位系统上可以超过2GB！此版本的 mat 文件可以存储大量数据。

2.输入矩阵是mat的内存形式。例如：mat文件中有一个A(3*2)的变量。 sio.loadmat() 读取的是一个一维（1*6）数组，然后你必须将其 reshape() 成（3*2）； h5py.File() 直接读取一个（3*2）数组。

我刚刚测试了64·python·keras，花了我72个小时，可用内存真的很大！ ！ ！

看！导入训练集14万+，测试集20万+

祝一切顺利~