Stomach_Cancer_Pytorch/.trae/documents/修改 ModifiedResNet 以使用 ResNet50 並將分類輸出改為 3.md

變更目標

• 在整體流程中加入兩項功能：

  1. 產生「模型預測類別分佈」的統計直方圖（Bar Chart），並保存為圖片
  2. 將模型對每張圖的預測類別（含信心值）以 CSV 格式逐圖存檔

介面與插入點

• 主流程：main.py 目前在 110 行呼叫 Crop_Result(...) 完成資料前處理後，交由 experiments/experiment.py:62 內的 processing_main() 進行模型訓練與測試

• 最適合記錄預測與產生統計圖的插入點：experiments/Training/Xception_Identification_Test.py

  • 測試評估：Evaluate_Model(...)（第 317–360 行）遍歷 Test_Dataloader，可取得 images, labels, File_Name, File_Classes 與模型輸出

  • 逐批結果彙整：Evaluate_Per_Class_Metrics(...)（第 362–434 行），可加入總結圖表的產出

具體修改

1. 逐圖分類記錄（CSV）

• 在 Evaluate_Model(...) 內：

  • 於 with torch.no_grad() 迴圈中保留 File_Name，取得模型 outputs，計算 softmax 機率與 argmax 類別

  • 收集為清單：rows.append({file_path, true_label_idx, pred_label_idx, prob_per_class...})

  • 迴圈結束後寫出 CSV：../Result/Prediction_Logs/Label_Result/<date>/<experiment_name>/fold-<k>/predictions.csv

  • 欄位：file_path, true_label, pred_label, conf_class_0, conf_class_1, conf_class_2

2. 預測分佈統計直方圖

• 於 Evaluate_Model(...) 完成 CSV 後：

  • 根據 pred_label_idx 計數，生成 Bar Chart（x 軸為 Training_Labels，y 軸為數量）

  • 圖檔輸出：../Result/Prediction_Logs/Bar_Chat/<date>/<experiment_name>/fold-<k>/prediction_histogram.png

• 可選：新增「各類別信心值分佈」直方圖（每類一張），路徑：..Result/conf_Hist/<date>/<experiment_name>/fold-<k>/conf_hist_class_<name>.png

3. 設定保存路徑

• 使用現有 Save_Result_File_Config 結構，不需修改常數：

  • 在程式中以相對路徑 ../Result/Prediction_Logs/... 建立目錄（透過 Process_File.JudgeRoot_MakeDir）

  • 目錄結構：../Result/Prediction_Logs/<date>/<experiment_name>/fold-<k>/

4. 程式設計細節

• 新增工具函式（置於 Xception_Identification_Test.py 底部或 Training_Tools/Tools.py）：

  • save_predictions_csv(rows, save_dir)：負責寫出 CSV

  • plot_prediction_histogram(pred_indices, class_names, save_path)：使用 matplotlib 畫 Bar Chart

• 修改 Evaluate_Model(...)：

  • 保留 File_Name；將 outputs 經 torch.softmax(outputs, dim=1) 取得機率

  • 記錄 predicted_idx 與 probabilities.tolist()

  • 呼叫新增工具函式保存 CSV 與直方圖

5. 主程式連動（可選）

• main.py：

  • 保持現狀，不需改動；所有記錄與圖表由 Evaluate_Model(...) 執行時自動生成

  • 若需在訓練完成後總覽全部折次結果，可於 experiments/experiment.py:151 之後新增彙總函式，合併多折 predictions.csv 生成總分佈圖

6. 輸出成果

• 檔案：

  • ../Result/Prediction_Logs/Label_Result/<date>/<experiment_name>/fold-<k>/predictions.csv

  • ../Result/Prediction_Logs/Bar_Chat/<date>/<experiment_name>/fold-<k>/prediction_histogram.png

  • （可選）../Result/Prediction_Logs/Bar_Chat/<date>/<experiment_name>/fold-<k>/prediction_histogram.png

驗證與回溯

• 驗證：執行既有流程，檢查 Prediction_Logs 目錄是否產生 CSV 與直方圖

• 影響範圍小：僅在測試評估階段新增 I/O，對訓練流程無副作用

• 回溯：如需停用，移除或關閉保存函式即可

風險與注意事項

• 測試資料量大時 CSV 會較長；可分折保存或分批 Flush

• 若需記錄 Top-3，可同時保存 topk_indices 與 topk_probs，目前先保存 Top-1 + 全類機率