commit first

Code.ipynb

@@ -1736,11 +1736,123 @@
   },
   {
    "cell_type": "code",
-   "execution_count": null,
+   "execution_count": 1,
    "id": "a5f51335",
    "metadata": {},
+   "outputs": [
+    {
+     "name": "stderr",
+     "output_type": "stream",
+     "text": [
+      "/home/ubuntu/.local/lib/python3.12/site-packages/torchvision/models/_utils.py:208: UserWarning: The parameter 'pretrained' is deprecated since 0.13 and may be removed in the future, please use 'weights' instead.\n",
+      "  warnings.warn(\n",
+      "/home/ubuntu/.local/lib/python3.12/site-packages/torchvision/models/_utils.py:223: UserWarning: Arguments other than a weight enum or `None` for 'weights' are deprecated since 0.13 and may be removed in the future. The current behavior is equivalent to passing `weights=DenseNet169_Weights.IMAGENET1K_V1`. You can also use `weights=DenseNet169_Weights.DEFAULT` to get the most up-to-date weights.\n",
+      "  warnings.warn(msg)\n"
+     ]
+    },
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "Mô hình đã được chuyển đổi thành công sang ONNX và lưu tại: /home/ubuntu/vnet/TaoST/Model3/melanoma_classifier_densenet169.onnx\n",
+      "Mô hình ONNX đã được kiểm tra và xác nhận hợp lệ.\n"
+     ]
+    }
+   ],
+   "source": [
+    "import torch\n",
+    "import torch.nn as nn\n",
+    "from torchvision import models\n",
+    "\n",
+    "# 1. Định nghĩa lại kiến trúc mô hình (giống hệt khi training)\n",
+    "def create_model():\n",
+    "    # Tải mô hình pretrained DenseNet-169\n",
+    "    model = models.densenet169(pretrained=True)\n",
+    "    \n",
+    "    # Đóng băng tất cả các lớp để bắt đầu\n",
+    "    for param in model.parameters():\n",
+    "        param.requires_grad = False\n",
+    "    \n",
+    "    # Thay thế lớp phân loại\n",
+    "    # DenseNet-169 có 1664 đặc trưng đầu ra ở lớp cuối cùng\n",
+    "    num_ftrs = model.classifier.in_features\n",
+    "    \n",
+    "    # Thay thế lớp phân loại của DenseNet với một lớp mới có 1 đầu ra\n",
+    "    # Sigmoid sẽ được áp dụng trong BCEWithLogitsLoss\n",
+    "    model.classifier = nn.Linear(num_ftrs, 1)\n",
+    "    \n",
+    "    return model\n",
+    "\n",
+    "# 2. Khởi tạo mô hình và tải trọng số đã lưu\n",
+    "device = torch.device(\"cuda\" if torch.cuda.is_available() else \"cpu\")\n",
+    "model = create_model()\n",
+    "\n",
+    "# Tải trọng số từ file .pth\n",
+    "model_path = \"/home/ubuntu/vnet/TaoST/Model3/melanoma_classifier_densenet169.pth\"\n",
+    "model.load_state_dict(torch.load(model_path, map_location=device))\n",
+    "model.to(device)\n",
+    "model.eval()  # Chuyển sang chế độ inference\n",
+    "\n",
+    "# 3. Tạo dummy input với kích thước phù hợp (batch_size, channels, height, width)\n",
+    "dummy_input = torch.randn(1, 3, 224, 224).to(device)\n",
+    "\n",
+    "# 4. Xuất sang ONNX\n",
+    "onnx_path = \"/home/ubuntu/vnet/TaoST/Model3/melanoma_classifier_densenet169.onnx\"\n",
+    "torch.onnx.export(\n",
+    "    model,                       # Mô hình cần xuất\n",
+    "    dummy_input,                 # Input đầu vào mẫu\n",
+    "    onnx_path,                   # Đường dẫn tới file ONNX đầu ra\n",
+    "    export_params=True,          # Lưu các tham số của mô hình\n",
+    "    opset_version=12,            # Phiên bản ONNX opset\n",
+    "    do_constant_folding=True,    # Tối ưu hóa các hằng số\n",
+    "    input_names=['input'],       # Tên của input\n",
+    "    output_names=['output'],     # Tên của output\n",
+    "    dynamic_axes={               # Kích thước động (batch size có thể thay đổi)\n",
+    "        'input': {0: 'batch_size'},\n",
+    "        'output': {0: 'batch_size'}\n",
+    "    }\n",
+    ")\n",
+    "\n",
+    "print(f\"Mô hình đã được chuyển đổi thành công sang ONNX và lưu tại: {onnx_path}\")\n",
+    "\n",
+    "# 5. Kiểm tra xem mô hình ONNX có thể được tải và sử dụng không (tùy chọn)\n",
+    "try:\n",
+    "    import onnx\n",
+    "    \n",
+    "    # Tải mô hình ONNX\n",
+    "    onnx_model = onnx.load(onnx_path)\n",
+    "    \n",
+    "    # Kiểm tra mô hình ONNX\n",
+    "    onnx.checker.check_model(onnx_model)\n",
+    "    \n",
+    "    print(\"Mô hình ONNX đã được kiểm tra và xác nhận hợp lệ.\")\n",
+    "except ImportError:\n",
+    "    print(\"Thư viện ONNX không được cài đặt. Bỏ qua bước kiểm tra.\")\n",
+    "except Exception as e:\n",
+    "    print(f\"Lỗi khi kiểm tra mô hình ONNX: {e}\")"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "id": "fed15a92",
+   "metadata": {},
    "outputs": [],
-   "source": []
+   "source": [
+    "import zipfile\n",
+    "\n",
+    "# Đường dẫn đến file ipynb\n",
+    "ipynb_file = \"/home/ubuntu/vnet/TaoST/Model3/Code.ipynb\"\n",
+    "\n",
+    "# Đường dẫn file zip đầu ra\n",
+    "zip_file = \"/home/ubuntu/vnet/TaoST/Model3/Code.zip\"\n",
+    "\n",
+    "# Tạo file zip\n",
+    "with zipfile.ZipFile(zip_file, 'w') as zipf:\n",
+    "    zipf.write(ipynb_file, arcname=\"Code.ipynb\")  # arcname để đặt tên file trong zip\n",
+    "\n",
+    "print(f\"Đã nén file {ipynb_file} thành {zip_file}\")"
+   ]
   }
  ],
  "metadata": {