Delete readme.md

1-项目框架拆解/1.1-深度学习项目框架/readme.md

-## 该项目分为基础版和进阶版，同学们了解基础版即可，进阶版作为一个扩充。
-## 该项目分为基础版和进阶版，同学们了解基础版即可，进阶版作为一个扩充。
-
-**项目数据集链接：** [点击这里](https://pan.baidu.com/s/1W9vE8H1KHFuq01Rmcw3ELw?pwd=DTAI)
-
-权重可以自己训练生成，这里给出基础版的权重链接：[点击这里](https://pan.baidu.com/s/1AVyi5lQC4QgA5zmwZMHhVg?pwd=DTAI)。
-
-**基础版：**
-- COVID_19_Dataset_conversion.ipynb（数据集的转换）
-- train_simple_gpu（train_simple_cpu即是将数据和模型在cpu下训练）
-- val.ipynb（利用train_simple_gpu训练生成的权重进行推理并可视化）
-
-*model_pth* 里面包含的是训练生成的权重文件。
-
-### 运行项目前需要先搭建好项目环境
-- 安装PyTorch深度学习框架(第一节环境配置有讲)
-- 安装tqdm、tensorboardX包(终端输入pip install 包名)
-
-**项目运行方式：**
-1. 先将数据集下载，放到项目文件夹内，与视频内容保持一致
-2. 运行 *COVID_19_Dataset_conversion.ipynb* 数据集转换完成，运行此文件会生成新的数据集文件夹：new_COVID_19_Radiography_Dataset。
-3. 运行 *train_simple_gpu* 模型训练，训练完成后在model_pth下会生成best.pth(权重文件)。
-4. 运行 *val.ipynb* 可视化查看，将权重加载进模型后进行单张图像的预测，输入一张图像推出属于哪个类别。
-
-**进阶版：**
-- train.py（可以采用一些用于分类的网络进行训练，比如 resnet18）
-- utils.py（里面有一些用于辅助的函数，比如计算准确度等）
-- test.ipynb（用测试集查看训练后的模型精确度如何，并给出推理可视化）
-- Getstatistics.ipynb（获取均值和标准差，可以不用这个）
-
-**需要先运行train.py生成report和run文件夹**
-*report* 下面为我们训练得到的权重文件和训练记录，*run* 下面为可以使用 tensorboard 可视化的文件（使用方式为在终端输入 tensorboard --logdir=runs\new_COVID_19_Radiography_Dataset\resnet18\seed33，logdir=后面的为文件夹，里面含有一个 events 即可），*models* 里面为一些网络，比如：resnet、mobilenet等。
-
-**项目运行方式：**
-1. 运行 *COVID_19_Dataset_conversion.ipynb* 数据集转换完成。
-2. 运行 *train.py* 训练，会生成对应的report和run文件夹下的内容，里面包含权重文件以及loss记录等。
-3. 运行 *test.ipynb* 推理并可视化，计算模型在测试集上的精确度，并输入一张图像可以推理出属于哪种类别。
+++ /dev/null