HAM10000-0.9095 (vit_small)
基于HAM10000的vit_small模型皮肤病变分类结果，平衡准确率0.9095。
基本信息
模态
其他
大小
0.07 GB
许可
Unknown
创建/更新时间
2025-10-06
版本
v1
资源简介
HAM10000-0.9095 (vit_small)
【数据集背景】
本数据集源站标题为《HAM10000-0.9095 ( vit_small )》。源站首次发布：2025-10-06。
【数据内容】
源站原始描述：🔥 Best Fold: 10 with balanced-acc = 0.9095 ( vit_small_patch16_224 )
【数据结构与技术规格】
文件数 2 个，合计 86.74 MB。
【主题与分类】
主题标签：pre-trained model。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/eshtiaqueahmed/ham10000-90
使用许可：Unknown。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
需登录公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("eshtiaqueahmed/ham10000-90")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d eshtiaqueahmed/ham10000-90
unzip ham10000-90.zip -d ham10000-90/
数据集大小约 0.07 GB。
数据说明
基于HAM10000皮肤镜图像数据集，使用vit_small_patch16_224模型进行训练，在第10折达到平衡准确率0.9095的结果。该数据集包含模型权重或训练结果，用于皮肤病变分类任务。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
