cleanlab去除噪声总方法code--置信学习

class8

①交叉验证生成psx，s——crossValidation_resnet50.py

（只用一个网络resnet50）

##每次使用前
# ①create two new empty folders——CleanLab_Output 和 Data_groups
# ②check out if all the data has been put into one folder
# ③类别是8记得改
# Results are Resnet50_output_probability.npy  即psx    outputname处可以改
#             Resnet50_noisyLabels.npy          即s
#运行结果中的.csv文件仅为方便查阅内容
#(一共1608个样本,8折交叉验证能正好整除)
#
#
#检查train的部分未注释掉;更改outputname;检查数据输入;检查结果个数-同输入

②psx，s作为输入，计算得到最有可能是噪声的数据表Resnet50_label_errors_methods4Pbnr.txt——cleanLabProgram.py

（只用一个网络resnet50）

③最有可能是噪声的数据表Resnet50_label_errors_methods4Pbnr.txt作为输入，numDelete控制删除多少个top5%——deleteNoisyData_top.py

↓更改输入的路径：

④deleteNoisyData_top.py主要部分（numDelete控制删除多少个top5%）↓，替换掉各种网络的train dataset部分↓

deleteNoisyData_top.py主要部分（下面两部分中间的内容）：

|

各种网络的train dataset部分（下面两部分中间的内容-8分类）：

|

各种网络的train dataset部分（下面两部分中间的内容-9分类）：

❤❤❤❤❤❤完成上述更改后，只需（numDelete控制删除多少个top5%），跑网络即可❤❤❤❤❤❤

s对应的image：①中，由Data_groups里面的txt文件从0到大拼接而成

最有可能是噪声的图像 和 与它对应的噪声label：s,s对应的image,最有可能是噪声的数据表Resnet50_label_errors_methods4Pbnr.txt作为输入，可得到结果——getNosiestImage.py