- 博客(6)
- 收藏
- 关注
RSS订阅原创 记录：在恒源云服务器上进行的,使用nnUNetv2做食管癌淋巴结分割任务
训练时也有可能造成内存或cpu爆炸,可以在nnUNet_preprocessed/nnUNet_xxx(这里的xxx为2d or 3d_fullres or 3d_lowres)中imagesTr中的.npy文件,无脑删除就行.export nnUNet_n_proc_DA="num"(num可以选择2 or 4 or 6 or 8,数字越小处理越慢,数字越大内存爆的风险越大)2d\3d_fullres\对于部分数据集来说还有3d_lowres, 3d_cascade_fullres。
2024-08-30 21:34:28
1563
原创 torch.cuda.OutOfMemoryError: CUDA out of memory.
3.修改代码，把一些没那么重要的任务交给cpu去做。需要修改代码中的.to(device)和.cuda()，把他们.cpu()去吧，注意要把需要放在一起处理的数据放在同意设备上（cpu或cuda）。2.显存占用大的任务一般都是处理图像数据。将图像降采样试试，可以试试将图像尺寸调整到（128，128，128）或者更小，如果是深度学习的话记得调整模型的输入通道。1.把batch调小一点，可以直接尝试将batch调到2。5.换张显存大的显卡吧，别为难你的小显卡了。4.租个服务器，把任务放到服务器上面跑。
2024-08-30 21:31:51
2355
1
原创 .seg.nrrd2nii.gz
说明:123123.seg.nrrd----->123123.nii.gz。需要修改输入input_path和输出路径output_path。该代码会保留文件的原名称。
2024-08-30 21:11:11
259
原创 关于一些激活函数的效果以及对输出的影响。
非线性且计算简单，能有效减轻梯度小时问题，但在训练中可能会遇到“死亡ReLU”问题，即神经元一直输出0，梯度也为0。输出范围在（0，1）之间，可以解释为概率，梯度在0和1附近会变得非常小，容易导致梯度消失问题。在深层网络中可能导致训练变得困难，容易导致梯度消失问题！类似ReLU，但允许负值输出（使用小的斜率代替0）。适合深度网络，提供了一种避免梯度消失问题的解决方案。输出一个概率分布，适用于多方呢类任务的输出层。输出值在（0，1）之间，且所有输出值的和为1。中心化，输出以0为中心，能改善梯度消失问题。
2024-08-30 21:06:24
383
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人