用现成的网站模板只套内容就可以有这样的吗百度关键词快速排名方法

成功获取到数据之后，我们需要将数据放到Pytorch里面去处理，我们需要将其转换成Dataset数据集，方便去使用相同的API。要转换成Dataset数据集需要实现两个方法，方法一：   方法二：

运行比较慢的话，需要加入缓存 的方法：

缓存部分

@functools.lru_cache(1,typed=True)
def getCt(series_uid):
    return Ct(series_uid)
@raw_cache.memoize(typed=True)
def getCtRawCandidate(series_uid,center_xyz,width_irc):
    ct = getCt(series_uid)
    ct_chunk,center_irc = ct.getCtRawCandidate(center_xyz,width_irc)
    return ct_chunk,center_irc

def _len_(self):
    return len(self.candidateInfo_list)

def _getitem_(self,ndx):
    candidateInfo_tup = self.candidateInfo_list[ndx]
    
    width_irc = (32,48,48)
    candidate_a,center_irc = getCtRawCandidate(candidateInfo_tup.series_uid,candidateInfo.center_xyz,width_irc)
    
    #转换为张量
    candidate_t = torch.from_numpy(candidate_a)
    
    #转换为浮点数
    cadidate_t = candidate_t.to(torch.float32)
    
    #进行升维
    cadidate_t = candidate_t.unsqueeze(0)
    
    #处理标注信息
    post_t = torch.tensor([not candidateInfo_tup.isNodule_boool,candidateInfo_tup.isNodule_boool],dtype=torch.long)
    
    #返回资源组
    return (candidate_t,post_t,candidateInfo_tup.series_uid,torch.tensor(center_irc))

使用Dataset提供的方案，将数据分割为数据集和验证集

class LunaDataset():
    def _init_(self,val_stride=0,isValSet_bool=None,series_uid=None):
        self.candidateInfo_list = copy.copy(getCandidateInfoList())
        
        if series_uid:
            self.candidateInfo_list = [x for in self.candidateInfo_list if x.series_uid == series_uid]
            
        #是否是验证集
        if isValSet_bool:
            # 增加异常捕获信息
            assert val_stride>0,val_stride
            # 返回验证集的步长信息，步长信息就是对验证集进行切分的
            self.candidateInfo_list = self.candidateInfo_list[::val_stride]
            assert self.candidateInfo_list
        # 如果不是验证集，就是训练集
        elif val_stride>0:
            del self.candidateInfo_list[::val_stride]
            assert self.candidateInfo_list
            
        log.info("(!r): {} {} samples".format(
            self,len(self.candidateInfo_list), "Validation" if isValSet_bool else "training"
        
        ))