深度学习
文章平均质量分 88
天羽东臻
这个作者很懒,什么都没留下…
展开
-
医学AI诊断的沉淀与畅想:从Supervised Learning 到 Open World Incremental Learning
记得2019年还在做基于乳腺钼靶的乳腺癌AI诊断时,当时需要医生配合做大量的标注才能实现有效的监督学习,和一位经验丰富的师姐(某医院的影像科主任)探讨人工智能的未来发展时,有两个印象深刻的点:1. 有没有可能AI可以自己知道自己哪些是自己不知道的,从而提出来让医生来标注?并自己实现升级。2. AI能不能自己随着看到的数据越来越多和医生的修整来不断的提高性能?这两个问题一直在脑海中萦绕,答案从目前来看是十分乐观的。近期发现这些方向事实上已经形成了一个很大的研究方向:Incremental L.原创 2021-03-15 04:17:32 · 308 阅读 · 1 评论 -
图像形状尺寸的常用整理方法
在进行网络训练的时候,经常需要对图像进行一些处理,形状的改变是最常见的一项,这里有几种办法来进行:1. opencv:https://www.tutorialkart.com/opencv/python/opencv-python-resize-image/cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])import cv2 img = cv2.imread('/home/img/python.png', cv2.原创 2020-11-13 04:42:03 · 359 阅读 · 0 评论 -
给Jupyter Notebook设置指定的虚拟环境
当存在多个虚拟环境时,有时需要给Jupyter Notebook指定虚拟环境,否则,有可能存在反复要求安装某个模块。假设需要安装的虚拟环境名称是env首先激活环境:activate env # 基于conda和virtualenv的虚拟环境会各有不同pip install ipykernel # 当前环境下,安装 ipykernel 包python -m ipykern...原创 2020-03-30 07:26:09 · 927 阅读 · 0 评论 -
pytorch将GPU上训练的model load到CPU/GPU上
假设我们只保存了模型的参数(model.state_dict())到文件名为modelparameters.pth, model = Net()1. cpu -> cpu或者gpu -> gpu:checkpoint = torch.load('modelparameters.pth')model.load_state_dict(checkpoint)2. cpu -&...原创 2020-01-14 15:31:11 · 2237 阅读 · 0 评论 -
pytorch的损失函数理解
对于loss的定义和选择,是决定一个模型能否收敛甚至是针对特定问题是否能够进行灵活应用的基石,因而对于loss的理解和把握是炼丹师的基本数学修养。从pytorch的loss的使用来看,是对于loss的理解的一个很好的入口。https://blog.csdn.net/jacke121/article/details/82812218对于Loss的理解应该是无止境的,有如下的一些比较高阶...原创 2020-01-13 14:31:57 · 674 阅读 · 0 评论 -
基于uwsgi的pytroch模型的部署
一般对深度学习模型进行web部署时,总是脱离不了基于django或者flask,其实对于uwsgi了解到一定程度,对于一些简单的任务,可以脱离这两个框架,直接通过一些最原始的uwsgi指令就可以调用pytroch的模型。其中,最关键的一步,是uwsgi下如何加载pytroch module。网上会有各种参考,说明如何在uwsgi下的ini配置文件里启动virtualenv,然而这往往是一个...原创 2020-01-07 17:34:12 · 587 阅读 · 0 评论 -
SAS下的深度学习开源模块DLPy简介
在数据分析和处理领域中长期占有一席之地的SAS居然也有自己的深度学习模块,而且还是开源的。基于Keras,SAS推出了DLPy,集成了目前各种比较成熟的网络模型,如Lenet,Unet,Resnet,Faster-rcnn等,感觉也是一个可以用来进行快速开发的平台工具。当然,我本人还是更喜欢Pytorch。DLPy Github开源链接如下:https://github.com/lvx...原创 2019-12-16 18:41:15 · 572 阅读 · 0 评论 -
基于C/S架构搭建一个Pytorch model 用于 ECG 异常检测
ECG的数据来源于便携式的设备,通过蓝牙传递至手机,手机端的数据上传至服务器。而服务器则需要对上传来的数据进行异常脉搏进行分析和推断,并把结果传回手机端。不像Tensorflow自带了Tensorflow Server,Pytorch官方没有自带部署应用。因此如果想要把Pytorch用于生产环境,需要自己搭建Pytorch服务器。目前可能的方案,参考如下文章:1. c++调用pyt...原创 2019-12-12 12:22:38 · 641 阅读 · 0 评论