<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qimo601的专栏]]></title><description><![CDATA[欲宇仙炅]]></description><link>https://blog.csdn.net/qimo601</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; qimo601]]></copyright><item><title><![CDATA[PET的SUV 计算公式]]></title><link>https://blog.csdn.net/qimo601/article/details/103452974</link><guid>https://blog.csdn.net/qimo601/article/details/103452974</guid><author>qimo601</author><pubDate>Mon, 17 Nov 2025 08:38:53 +0800</pubDate><description><![CDATA[1、背景

SUV（Standardized Uptake Value） 标准吸收值：描述的是18F—FDG在肿瘤组织与正常组织的摄取情况，SUV越高，恶性肿瘤的可能性越大。

2、公式

SUV=（局部感兴趣区放射性活度（MBq/ml））/(注入放射性活度（MBq/ml）/体重（Kg）)






缩略词解释：

Ac ：Activity concentration（Bq/ml），活性浓度...]]></description><category></category></item><item><title><![CDATA[【分享书籍】本科生通识课《计算机与人工智能》]]></title><link>https://blog.csdn.net/qimo601/article/details/151831320</link><guid>https://blog.csdn.net/qimo601/article/details/151831320</guid><author>qimo601</author><pubDate>Thu, 18 Sep 2025 15:40:14 +0800</pubDate><description><![CDATA[《计算机与人工智能》是一本面向本科生的计算机通识教材，分为上下两篇共10章。上篇（1-6章）系统介绍计算机基础知识，包括计算机发展史、数据表示、硬件组成、程序设计、网络与安全、物联网与大数据等内容。下篇（7-10章）重点讲解人工智能，涵盖人工智能发展历程、实现方法（知识表示、机器学习、神经网络等）、典型应用（计算机视觉、自然语言处理等）以及未来发展挑战与伦理问题。本书特色在于将计算机基础与人工智能前沿知识有机结合，每章配有拓展阅读和习题，适合作为高校计算机通识课程教材。]]></description><category></category></item><item><title><![CDATA[【分享书籍】本科生通识课《计算机基础》]]></title><link>https://blog.csdn.net/qimo601/article/details/151829401</link><guid>https://blog.csdn.net/qimo601/article/details/151829401</guid><author>qimo601</author><pubDate>Thu, 18 Sep 2025 14:40:37 +0800</pubDate><description><![CDATA[《计算机基础》课程目录展示了完整的计算机通识教育知识体系。全书共9章，涵盖计算机原理（硬件组成、数制转换）、操作系统（Windows 10）、办公软件（Word/Excel/PPT）、多媒体技术（Photoshop/Premiere）、数据库（Access）、网络与信息安全、算法与数据结构、Python编程基础，以及大数据、人工智能等新技术。]]></description><category></category></item><item><title><![CDATA[分享书籍《医学影像学》的目录]]></title><link>https://blog.csdn.net/qimo601/article/details/151783189</link><guid>https://blog.csdn.net/qimo601/article/details/151783189</guid><author>qimo601</author><pubDate>Wed, 17 Sep 2025 09:25:44 +0800</pubDate><description><![CDATA[分享书籍《医学影像学》的目录，链接：https://item.jd.com/14754216.html。]]></description><category></category></item><item><title><![CDATA[书籍：Python人工智能]]></title><link>https://blog.csdn.net/qimo601/article/details/151755305</link><guid>https://blog.csdn.net/qimo601/article/details/151755305</guid><author>qimo601</author><pubDate>Tue, 16 Sep 2025 14:00:08 +0800</pubDate><description><![CDATA[1．1引言1．2人工智能的概念与定义1．3人工智能三大学派1．3．1符号主义学派1．3．2连接主义学派1．3．3行为主义学派1．4人工智能起源与发展1．5新一代人工智能的驱动因素1．5．1数据量爆发性增长1．5．2计算能力大幅提升1．5．3深度学习等算法发展1．5．4移动AI创新应用牵引1．6人工智能关键技术1．6．1机器学习与深度学习1．6．2知识图谱1．6．3自然语言处理1．6．4人机交互1．6．5计算机视觉1．6．6生物特征识别。]]></description><category></category></item><item><title><![CDATA[np.polyfit函数]]></title><link>https://blog.csdn.net/qimo601/article/details/144106430</link><guid>https://blog.csdn.net/qimo601/article/details/144106430</guid><author>qimo601</author><pubDate>Thu, 28 Nov 2024 11:29:18 +0800</pubDate><description><![CDATA[函数返回一个包含多项式系数的 NumPy 数组，系数的顺序是从高次到低次的。例如，对于一次多项式（线性拟合），返回的数组将包含两个元素，分别对应于一次项和常数项。在这个例子中，np.polyfit 将 x 和 y 数据点拟合成一个一次多项式，返回的 coefficients 数组将包含拟合出的斜率和截距。这个函数用于拟合一组数据点到一个多项式模型，返回多项式系数。然后，fit_function 就是拟合出的一次多项式，你可以用它来预测新的 x 值对应的 y 值。-x: 数据点的 x 坐标。]]></description><category></category></item><item><title><![CDATA[Jupyter notebook 添加目录插件]]></title><link>https://blog.csdn.net/qimo601/article/details/143370382</link><guid>https://blog.csdn.net/qimo601/article/details/143370382</guid><author>qimo601</author><pubDate>Thu, 31 Oct 2024 12:55:31 +0800</pubDate><description><![CDATA[打开conda prompt，并切换到自己的虚拟环境。]]></description><category></category></item><item><title><![CDATA[Anaconda新建python版本]]></title><link>https://blog.csdn.net/qimo601/article/details/140233544</link><guid>https://blog.csdn.net/qimo601/article/details/140233544</guid><author>qimo601</author><pubDate>Sat, 06 Jul 2024 18:32:29 +0800</pubDate><description><![CDATA[由于新版本的Anaconda自带的python是3.11的，国内镜像一些库，不好下载。特更新为常见的python3.9。]]></description><category></category></item><item><title><![CDATA[无法下载cuda]]></title><link>https://blog.csdn.net/qimo601/article/details/140231974</link><guid>https://blog.csdn.net/qimo601/article/details/140231974</guid><author>qimo601</author><pubDate>Sat, 06 Jul 2024 18:07:50 +0800</pubDate><description><![CDATA[用360、chrome、Edge浏览器都打不开下载页面，有的人说后缀com改成cn，都不行。知乎上说是网络问题，电信换成换成移动/联通的网络会好点。，为了节省流量，我直接下载cuda的exe(network)版本，然后台式机上再在线安装。]]></description><category></category></item><item><title><![CDATA[torchinfo:查看网络各层输出大小，参数大小]]></title><link>https://blog.csdn.net/qimo601/article/details/136484396</link><guid>https://blog.csdn.net/qimo601/article/details/136484396</guid><author>qimo601</author><pubDate>Tue, 05 Mar 2024 17:27:13 +0800</pubDate><description><![CDATA[torchinfo，可用来可视化我们的网络模型，查看每层的输出大小和参数大小。]]></description><category></category></item><item><title><![CDATA[修改Pycharm中git的代码提交者信息]]></title><link>https://blog.csdn.net/qimo601/article/details/136316652</link><guid>https://blog.csdn.net/qimo601/article/details/136316652</guid><author>qimo601</author><pubDate>Tue, 27 Feb 2024 10:57:24 +0800</pubDate><description><![CDATA[问题1、之前pycharm中安装git，首次提交代码，默认代码提交者信息为Administrator。如何后续更改呢？

答案：我是没找到界面修改的地方，只有在git配置文件“C:\Users\Administrator\.gitconfig”里修改。]]></description><category></category></item><item><title><![CDATA[总结：图像生成网络]]></title><link>https://blog.csdn.net/qimo601/article/details/136054096</link><guid>https://blog.csdn.net/qimo601/article/details/136054096</guid><author>qimo601</author><pubDate>Tue, 06 Feb 2024 14:16:16 +0800</pubDate><description><![CDATA[那么简笔画猫转成真猫到底是一个什么原理腻，可以这样理解：你可以获取很多真猫的图片，用opencv的边缘提取，把每一张图片的边缘都给提取出来，构建一个像素到像素的映射数据集，也就是数据集包含两类图片，一类是边缘轮廓简笔画，另一类是真猫的图片，它们俩是一一对应的关系，所以pix2pix解决的是一个像素配对的图像转译问题，那么我们上次介绍的cyclegan呢解决的是一个非配对的图像转译问题。我们的目的是，既要让输出的图片真实，也要让输出的图片符合条件c的描述。下面右图是侧面的火车，它们也统统都是正确的火车。]]></description><category></category></item><item><title><![CDATA[Win10 + CUDA12.3+pytorch手动安装-3.0版本]]></title><link>https://blog.csdn.net/qimo601/article/details/134456630</link><guid>https://blog.csdn.net/qimo601/article/details/134456630</guid><author>qimo601</author><pubDate>Mon, 27 Nov 2023 16:10:37 +0800</pubDate><description><![CDATA[Win10 专业 x64Python 3.7.7（通过Anaconda软件自带安装）【这个版本自带的python是3.11】官方是Pytorch在线指令安装，,开发工具，社区免费版，下载后，自行一路默认安装。]]></description><category></category></item><item><title><![CDATA[python常用代码总结2]]></title><link>https://blog.csdn.net/qimo601/article/details/128124561</link><guid>https://blog.csdn.net/qimo601/article/details/128124561</guid><author>qimo601</author><pubDate>Thu, 01 Dec 2022 00:11:29 +0800</pubDate><description><![CDATA[(2)列表追加多个相同的元素，比如追加10个0。(4)列表中追加一个二维列表的一行或一列。(1)列表追加多个元素，比如追加0-9。1、列表的常规追加元素、追加列表操作。（5）列表中可以追加不同长度的列表。(3列表追加一个已有列表。]]></description><category></category></item><item><title><![CDATA[Python字典的用法总结]]></title><link>https://blog.csdn.net/qimo601/article/details/128095933</link><guid>https://blog.csdn.net/qimo601/article/details/128095933</guid><author>qimo601</author><pubDate>Tue, 29 Nov 2022 13:35:43 +0800</pubDate><description><![CDATA[python中字典的常用方法总结]]></description><category></category></item><item><title><![CDATA[Jupyter Notebook局域网访问服务器（win10)]]></title><link>https://blog.csdn.net/qimo601/article/details/128092211</link><guid>https://blog.csdn.net/qimo601/article/details/128092211</guid><author>qimo601</author><pubDate>Tue, 29 Nov 2022 10:03:34 +0800</pubDate><description><![CDATA[windows10服务器配置局域网jupyter Notebook的远程访问环境]]></description><category></category></item><item><title><![CDATA[torch.copy_()函数介绍]]></title><link>https://blog.csdn.net/qimo601/article/details/128019342</link><guid>https://blog.csdn.net/qimo601/article/details/128019342</guid><author>qimo601</author><pubDate>Thu, 24 Nov 2022 15:19:37 +0800</pubDate><description><![CDATA[原来权重的存储指针会指向新得到的权重张量的存储区域；而使用 .copy_() 的话，仅仅是改变原来权重的值，存储区域则不发生改变。copy_()有利于降低运算。]]></description><category></category></item><item><title><![CDATA[torch.as_tensor()、torch.Tensor() 、 torch.tensor() 、transforms.ToTensor()的区别]]></title><link>https://blog.csdn.net/qimo601/article/details/128014195</link><guid>https://blog.csdn.net/qimo601/article/details/128014195</guid><author>qimo601</author><pubDate>Thu, 24 Nov 2022 11:01:43 +0800</pubDate><description><![CDATA[torch.as_tensor()、torch.Tensor() 、 torch.tensor() 、transforms.ToTensor()的用法和区别]]></description><category></category></item><item><title><![CDATA[残差结构详解]]></title><link>https://blog.csdn.net/qimo601/article/details/127410607</link><guid>https://blog.csdn.net/qimo601/article/details/127410607</guid><author>qimo601</author><pubDate>Wed, 19 Oct 2022 16:51:03 +0800</pubDate><description><![CDATA[残差元的主要设计有两个，快捷连接和恒等映射，快捷连接使得残差变得可能，而恒等映射使得网络变深，而恒等映射主要有两个：跳跃连接和激活函数。ResNets的提出，可以解决上述问题，即使网络再深，训练的表现仍表现很好。它有助于解决梯度消失和梯度爆炸问题，让我们在训练更深网络的同时，又能保证良好的信息。]]></description><category></category></item><item><title><![CDATA[《pytorch车型细分类网络》的源码]]></title><link>https://blog.csdn.net/qimo601/article/details/127126695</link><guid>https://blog.csdn.net/qimo601/article/details/127126695</guid><author>qimo601</author><pubDate>Fri, 30 Sep 2022 17:16:37 +0800</pubDate><description><![CDATA[这篇文章代码有错误。我稍微调整了一下，可以正常跑了。]]></description><category></category></item></channel></rss>