def Xception(include_top=True,
      weights='imagenet',
      input_tensor=None,
      input_shape=None,
      pooling=None,
      classes=1000,
      **kwargs)

# Установка ширины и высоты входного изображения, а также количества каналов
img_size = (299, 299, 3)

base_model = keras.applications.xception.Xception(include_top=False,
                                                      weights='..\\resources\\keras-model\\xception_weights_tf_dim_ordering_tf_kernels_notop.h5',
                                                      input_shape=img_size,
                                                      pooling='avg')

# Полносвязный слой с активацией softmax для вычисления вероятности и 628 классами
model = keras.layers.Dense(628, activation='softmax', name='predictions')(base_model.output)
model = keras.Model(base_model.input, model)

# Блокировка слоев свертки
for layer in base_model.layers:
    layer.trainable = False

from base_model import model

# Настройка размера изображения и параметров каталога для обучающего набора
img_size = (299, 299)
dataset_dir = '..\\dataset\\dataset'
img_save_to_dir = 'resources\\image-traing\\'
log_dir = 'resources\\train-log'

model_dir = 'resources\\keras-model\\'

# Использование методов увеличения данных
train_datagen = keras.preprocessing.image.ImageDataGenerator(
    rescale=1. / 255,
    shear_range=0.2,
    width_shift_range=0.4,
    height_shift_range=0.4,
    rotation_range=90,
    zoom_range=0.7,
    horizontal_flip=True,
    vertical_flip=True,
    preprocessing_function=keras.applications.xception.preprocess_input)

test_datagen = keras.preprocessing.image.ImageDataGenerator(
    preprocessing_function=keras.applications.xception.preprocess_input)

train_generator = train_datagen.flow_from_directory(
    dataset_dir,
    save_to_dir=img_save_to_dir,
    target_size=img_size,
    class_mode='categorical')

validation_generator = test_datagen.flow_from_directory(
    dataset_dir,
    save_to_dir=img_save_to_dir,
    target_size=img_size,
    class_mode='categorical')

# Метод ранней остановки и динамическая настройка скорости обучения
early_stop = EarlyStopping(monitor='val_loss', patience=13)
reduce_lr = ReduceLROnPlateau(monitor='val_loss', patience=7, mode='auto', factor=0.2)
tensorboard = keras.callbacks.tensorboard_v2.TensorBoard(log_dir=log_dir)

for layer in model.layers:
    layer.trainable = False

# Компиляция модели
model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])

history = model.fit_generator(train_generator,
                             steps_per_epoch=train_generator.samples // train_generator.batch_size,
                             epochs=100,
                             validation_data=validation_generator,
                             validation_steps=validation_generator.samples // validation_generator.batch_size)

Обратите внимание, что перевод может содержать неточности или ошибки, так как некоторые термины и понятия могут иметь несколько значений или интерпретаций. **Callbacks**

callbacks=[early_stop, reduce_lr, tensorboard])
  # Модель экспорта
  model.save(model_dir + 'chinese_medicine_model_v1.0.h5')

4. На сервере используется ONNX Runtime для вызова обученной модели.

**Обзор модели**

[Подробная структура модели](medicine-doc/assets/images/model.png)

**Визуализация точности обучения и функции потерь**

![Точность](medicine-doc/assets/images/正确率.png)
![Функция потерь](medicine-doc/assets/images/损失函数.png)

5. **Данные medicine-dataset**
- [Набор данных](medicine-dataset/dataset2): пиксели: 299*299
- [Таблица кодирования названий китайских лекарств](medicine-doc/assets/medicine_label.txt)

6. **Общий класс utility medicine**

- Описание [MongoDbUtil](medicine-util/src/main/java/cn/xiaohaoo/medicine/util/mongo/)

## Зависимости среды
|Зависимость|Версия|
|:---:|:---:|
|JDK|11+|
|Python|3.6|
|Gradle|6.5|
|TensorFlow|2.0|
|MongoDB|4.2.2|
|MySQL|8.0+|
|Spring Boot|2.2.2|
|Elasticsearch|7.4.2|
|IK токенизатор|7.4.2|
|ONNX Runtime|1.8.1|

## Использование открытого исходного кода
- **Разрешено для личного изучения;**
- **Открытая версия не подходит для коммерческого использования;**
- **Запрещается продавать код и ресурсы этого проекта в любой форме, ответственность за любые последствия несёт нарушитель;**
- **[LICENSE](LICENSE)**

## Общение, обратная связь и участие
- Если вы хотите следить за последними новостями проекта, пожалуйста, Watch или Star проект, это также лучшая поддержка для проекта.
- Приглашаем к участию в технических дискуссиях, вторичной разработке и консультациях по вопросам и предложениям!
- QQ: 993021993
- WeChat:
![WECHAT](medicine-doc/assets/WECHAT.png)

#### Разработка открытых проектов — непростая задача, спасибо всем друзьям за star! ^_^