心电信号深度学习训练及部署（2）：CNN训练并保存模型

本部分的CNN模型采用https://blog.csdn.net/qq_43750573/article/details/105930152所用的模型，代码也是在该博主的代码基础上修改得到，CNN的模型介绍可参考论文（《面向心血管疾病识别的心电信号分类研究》）

代码及流程

1.下载数据

通过读取二进制文件，得到训练集和测试集的数据和标签

# 获取数据
def load_data(filename, sample_num, sample_len):
    fp = open(filename, "rb")
    if sample_len == data_len:
        context = fp.read(2 * sample_num * sample_len)
        fmt_unpack = '%d' % (sample_num * sample_len) + 'h'
        dat_arr = np.array(struct.unpack(fmt_unpack, context), dtype=float)
        dat_arr = dat_arr.reshape((sample_num, sample_len))
        for i in range(0, sample_num):
            dat_arr[i] = normalization(dat_arr[i])
        dat_arr = dat_arr.reshape(-1, data_len, 1)
    else:
        context = fp.read(sample_num * sample_len)
        fmt_unpack = '%d' % (sample_num * sample_len) + 'B'
        dat_arr = np.array(struct.unpack(fmt_unpack, context))
    fp.close()
    return dat_arr


# 获取训练和测试的数据
def get_data():
    data_path = os.path.join(os.getcwd(), "data")

    # 训练数据，35个个体，168000个心拍，N与V比例1:1，前半部分为N，后半部分为V
    data_train = load_data(os.path.join(data_path, data_train_name), train_num, data_len)
    label_train