深度学习(PyTorch)
文章平均质量分 53
记录深度学习的历程,以PyTorch框架为工具
齐落山大勇
高效教师、学渣
展开
-
Endnote自动生成参考文献
我们在写论文,尤其是写综述性论文的时候,按照规定的格式编辑参考文献的格式是一向工作量很大的任务,使用Endnote可以很好的辅助我们原创 2024-09-04 12:32:03 · 525 阅读 · 0 评论 -
Pytorch中nn.Sequential()函数创建网络的几种方法
在创建大型网络的时候,如果使用nn.Sequential()将几个有紧密联系的运算组成一个序列,可以使网络的结构更加清晰。本文描述了两种最常用的使用nn,Sequential()创建网络的方法。原创 2024-07-13 16:16:19 · 576 阅读 · 0 评论 -
使用OpenCV绘制两幅图验证DSC和IoU以及BCELoss的计算程序
很多小伙伴在玩深度学习模型的时候,需要计算Groudtruth和predict图的dsc、IOU以及BCELoss。这两个关键的指标的程序有很多种写法,今天使用OpenCV绘制两张已知分布的图像,计算其dsc、IOU以及BCELoss。原创 2024-05-03 15:45:19 · 1130 阅读 · 0 评论 -
调用已有模型,检测视频中的物体并保存结果
我们有时需要调用已有模型,帮助我们完成检测或者识别任务,并将结果保存原创 2024-04-28 17:21:21 · 212 阅读 · 2 评论 -
读取肺部CT图像并获取二进制掩码
6.用半径为2的圆盘进行侵蚀操作。这个操作是分离附着在血管上的肺结节。半径为10的磁盘闭合操作。这个操作是使结节附着在肺壁上。填入肺双掩膜内的小孔。最后,在输入图像上叠加二进制掩码。在对肺部CT图像处理的过程中需要常常需要读取肺部图像并显示,然后根据肺部图像制作二进制掩码,方便后续的操作。获取图像的尺寸,图像的原点,以及图像中每个像素对应现实世界的距离的大小。5.将图像中相连的区域打上相同的标签,将标签保持在两个最大的区域。4.读取第60个slice的图像,并二值化。原创 2024-01-29 14:16:53 · 463 阅读 · 0 评论 -
混淆矩阵、准确率、查准率、查全率、DSC、IoU、敏感度的计算
在训练的模型的时候,需要评价模型的好坏,就涉及到混淆矩阵、准确率、查准率、查全率、DSC、IoU、敏感度的计算。原创 2024-01-27 20:50:21 · 1992 阅读 · 0 评论 -
Pyroch中transforms 图像增强发方法的应用
在我们训练模型的时候,有的时候数据不够,就需要通过水平翻转、垂直翻转、镜像、旋转、改变亮度、标准化等方式增加图像的多样性,此时可以调用Pytorch 中的Transforms完成这些操作。在使用过程中可以跳转到不同操作的源码处,观察不同输入输出数据的格式。比如 RandomHorizontalFlip(),也就是随机水平翻转操作的参数是这样规定的。使用transforms.Compose([ ])可以将不同的图像增强方法综合到一起。3.对图象进行变换并保存。2.编写图像增强的方法。原创 2024-01-27 17:27:10 · 481 阅读 · 0 评论 -
读取一个batch的图像并且显示出来
我们在训练模型的时候,除了观察图像的标签和尺寸,最好能读取一个batch的图像显示出来,观察原始图像和grountruth是否对应,如果正确才能正式开始后续的训练。3.使用dataset 和dataloader加载数据。下面以一个皮肤病分割的数据集加以演示。1读取一个batch用于训练。原创 2024-01-27 14:45:25 · 641 阅读 · 0 评论 -
基于DRIVE数据集的视网膜UNet分割
test中存放的是测试图片,training中存放的是20张用于训练的图片。imges文件夹中存放的是20张原始图片,mask中存放的是掩码,用于获取感兴趣的区域。manual中存放的是人工标注的groundtruth。这是一个非常小的数据集,非常适合用于视觉分割任务练手。获取数据集中image和对应的mask。图1-3 groundtruth。4 编写损失函数和评价函数。3. 建立UNet模型。原创 2024-01-21 08:56:50 · 1119 阅读 · 2 评论 -
Pytorch中Dataset和dadaloader的理解
dataset用于获取数据集中的样本,dataloader 用于抽取部分样本用于训练。比如说一个用于分割任务的图像数据集的结构如图1所示,一个样本由原图像和对应的mask组成。不同的数据集在形式上千差万别,为了能够统一用于模型的训练,Pytorch框架下定义了一个dataset类和一个dataloader类。在建立数据集的过程中需用重写__getitem()__和__len()__方法即可。返回了一个batch的img 和mask 的尺寸,说明数据集抽取成功了.为了获取数据集,典型的代码如下。原创 2024-01-24 17:14:31 · 533 阅读 · 0 评论 -
深度学习加载模型时常用的文件夹的操作
(2)使用map函数,os.listdir(root)读取root路径下所有的文件名,存放到列表中。比如实例代码中将文件名'image_path'遇到'_'分割一次,将分割后的结果返回为一个列表。(1)调用lambda函数,将x代入os.path.join(root,x)做一个路径的拼接。lambda函数和map函数常常结合在一起形成一个小连招,比如在示例代码中,lambda函数是一个没有函数名的函数,这一行代码可以理解为。3.读取一个路径下所有的文件返回一个列表。1.检查文件夹是否存在。原创 2024-01-21 09:50:34 · 453 阅读 · 0 评论 -
Pytorch关于张量维度的一些总结
Pytorch对张量维度的一些理解。原创 2023-02-24 16:37:39 · 569 阅读 · 0 评论 -
Pytorch 网络结构的可视化
在使用Pytorch时,常用的模型可视化法方法原创 2023-02-23 12:40:53 · 723 阅读 · 0 评论 -
Pytorch相关可视化工具
1、graphviz 的获取2、graphviz的安装(1)双击运行由于这是一个.msi的文件,所以只需要双击运行,点击下一步就行了,但是文件安装的路径要记住,等会就会使用到的。例如:D:\Program Files (x86)\Graphviz2.38\。(2)添加环境变量win+R–>输入control–>进入控制面板–>系统与安全–>系统–>高级系统配置–>环境变量–>选中Path(系统变量那栏)–>编辑–>新变量–&...原创 2022-02-10 14:42:17 · 903 阅读 · 0 评论 -
使用Pycham新建工程运行Pytorch程序
1. 文件新建工程2.选择需要的目录有与解释器3、在控制台检测能否导入torch不报错,即可。原创 2022-02-17 10:44:30 · 826 阅读 · 0 评论 -
Pytorch的安装
注:本内容来源于网络,并结合自身安装情况整理安装Anaconda 更改Anaconda的源,通常使用清华的源#显示目前conda的数据源有哪些conda config --show channels#添加数据源:例如, 添加清华anaconda镜像:conda config --add channels Index of /anaconda/pkgs/free/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirrorconda config --a原创 2022-02-10 14:37:19 · 946 阅读 · 0 评论 -
鸢尾花数据集的数据可视化
Python 常用的数据可视化方法;热力图、箱体图、气泡图、 柱状图、散点图原创 2022-07-08 19:13:12 · 2749 阅读 · 0 评论