Códigos TFM e Investigación Posterior - Alejandro Redondo García
收藏DataCite Commons2025-11-12 更新2026-04-25 收录
下载链接：
https://edatos.consorciomadrono.es/citation?persistentId=doi:10.21950/9UF1EB
下载链接
链接失效反馈官方服务：
资源简介：
Códigos Deep Learning (entrenamiento y predicción) de un clasificador de la gravedad de lesiones orales - TFM Alejandro Redondo García. En los ficheros encontramos dos carpetas (si seleccionamos la visualización del árbol en la web).
1. Codigo_InvestigacionPosteriorTFM. Esta carpeta contiene lo siguiente: archivo ClasificadorLesionesOrales_CrossValidation.py - es el código en python del clasificador de Deep Learning con cross validation, archivo GenerarCSV.py - es el código en python para generar el .csv, archivo Manual.pdf - son las instrucciones para ejecutar el código ClasificadorLesionesOrales_CrossValidation.py, archivo modelosTimm.csv - son los modelos disponibles de clasificación, archivo PrediccionClasificadorLesionesOrales.py - es el código para realizar la inferencia del modelo entrenado, carpeta DatasetCross - contiene un ejemplo del formato del dataset que necesita el código ClasificadorLesionesOrales_CrossValidation.py y carpeta Resultados - es un ejemplo de resultado que arroja del modelo entrenado, concretamente se guardan las métricas, la configuración y los pesos del modelo.
2. Codigo_TFM. Esta carpeta contiene lo siguiente: archivo ClasificadorLesionesOrales.py - es el código en python del clasificador de Deep Learning sin cross validation, archivo Manual.pdf - son las instrucciones para ejecutar el código ClasificadorLesionesOrales.py, archivo modelosTimm.csv - son los modelos disponibles de clasificación, archivo PrediccionClasificadorLesionesOrales.py - es el código para realizar la inferencia del modelo entrenado, carpeta Dataset - contiene un ejemplo del formato del dataset que necesita el código ClasificadorLesionesOrales.py, carpeta Predicciones - contiene un ejemplo de la inferencia del modelo y carpeta Resultados - es un ejemplo de resultado que arroja del modelo entrenado, concretamente se guardan las métricas, la configuración y los pesos del modelo.
Nota.: Es recomendable leer los manuales antes de utilizar los códigos.
提供机构：
e-cienciaDatos
创建时间：
2025-03-21
