乳腺超声分割中四种量化格式的精度、延迟与跨设备可复现性复现包

数据集获取

源站：https://doi.org/10.5281/zenodo.23577297

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据集大小约 190.7 MB。

数据说明

用于研究四种数值格式在单板计算机上进行跨数据集乳腺超声分割时的准确性、延迟和跨设备可重复性的代码、数据和转换后模型。2.0版新增了对修订版文章的评估：以固定批次维度转换的动态范围、FP32下的合并保留、动态范围与INT8、目标数据集上五种子零样本INT8、逐单元模型组合检查、工作站诊断以及五网络检查。该软件包包含评估、转换和设备端计时代码，分区索引，每块板、每个数据集、每次抽取和每种格式的逐图像测量结果，以及具有动态和固定批次维度的计时TensorFlow Lite图。数据集（BUSI、UDIAT、BUS-UCLM）为公开数据集，不再分发。MANIFEST.csv列出了每个文件及其SHA-256校验和。

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。