由于pytorch版本问题，要修改代码为。

model_name = 'resnet18'#模型名num_class = 11#类别数量batchSize = 32#步长learning_rate = 1e-4#学习率loss = nn.CrossEntropyLoss()#交叉熵损失函数（CE）# 注：CE运用于回归类型，以概率输出，不易梯度消失#MSE运用于分类类型，以连续值输出。易梯度消失epoch = 10#轮数。

使用Bert模型进行文字分类。

随着医学影像技术的飞速发展，计算机断层扫描（Computed Tomography, CT）已成为临床疾病筛查、诊断与随访的核心手段之一。现代CT设备每日常规产生海量高分辨率三维图像数据，放射科医生需在短时间内对这些复杂影像进行判读，并撰写包含“影像描述”与“诊断意见”两部分的专业报告。其中，“医生描述”（即诊断意见）作为报告的核心结论，直接指导后续治疗决策，其准确性与及时性对患者预后具有决定性意

由于pytorch版本问题，要修改代码为。

由于pytorch版本问题，要修改代码为。