torchxrayvision包安装过程（附pytorch1.6cpu版安装）

安装torchxrayvision包可以通过pip命令来完成。在安装之前需要确认安装了PyTorch库，并且版本大于等于1.6。如果需要CPU版本的安装，则应当在执行pip命令的时候添加“-f https://download.pytorch.org/whl/cpu/torch_stable.html”选项，如下所示：

pip install torchxrayvision -f https://download.pytorch.org/whl/cpu/torch_stable.html

在安装完成后，可以通过以下方式来测试是否已经安装成功：

import torch
import torchxrayvision as xrv

# 加载 ChestXray数据集
data = xrv.datasets.chestxray()

# 加载预训练的 DenseNet121 模型，并用数据集测试
model = xrv.models.DenseNet(weights="densenet121", num_classes=2)
model.eval()
x, _ = data[0]
pred = torch.sigmoid(model(x.unsqueeze(0)))
print(pred)

上述代码中，我们首先导入torch库和torchxrayvision库，然后使用xrv.datasets.chestxray()方法加载 ChestXray 数据集。接着，我们使用xrv.models.DenseNet()方法加载预训练的 DenseNet121 模型，并用数据集测试该模型的预测效果。最后，我们打印预测结果pred，并观察其结果。

另外一个示例是关于使用xrv.datasets.SubsetCXR()方法加载 ChestXray 数据集子集的方法：

import torch
import torchxrayvision as xrv

# 加载 ChestXray 数据集并选取 SubsetCXR 子集
data = xrv.datasets.SubsetCXR(subset="pneumonia")

# 加载预训练的 ResNet50 模型，并用数据集测试
model = xrv.models.Resnet(weights="resnet50", num_classes=2)
model.eval()
x, _ = data[0]
pred = torch.sigmoid(model(x.unsqueeze(0)))
print(pred)

上述代码中，我们加载 ChestXray 数据集并选取 pneumonia 子集，使用xrv.models.Resnet()方法加载 ResNet50 模型，并进行预测测试。最后，我们打印预测结果pred，并观察其结果。