- 博客(68)
- 收藏
- 关注
RSS订阅原创 【Diffusion实战】基于Stable Diffusion实现文本到图像的生成（Pytorch代码详解）
来试试强大的Stable Diffusion吧，基于Stable Diffusion的pipeline，进一步了解Stable Diffusion的结构~
2024-05-16 19:42:26
789
原创 【Diffusion实战】训练一个类别引导diffusion模型（Pytorch代码详解）
又学习了一种方法，类别引导diffusion模型，使用mnist数据集，记录一下它的用法吧。
2024-05-07 20:50:15
312
原创 【Diffusion实战】引导一个diffusion模型根据文字生成图像（Pytorch代码详解）
之前的Diffusion实战老老实实按照最基本的diffusion过程完成的，最近学习了一种新的方法，利用文字提示，来引导Diffusion模型生成想要的图像。
2024-05-01 21:31:36
700
原创 【数据处理】使用pymic库裁剪nii.gz文件
我有一个图像文件为nii.gz格式，做了一个分割，得到了一个mask，格式也为nii.gz，我需要根据mask，设定一个box框，裁剪对应的图像文件。对应到一个临床问题上就是，心脏核磁数据，我需要裁剪关于心脏的感兴趣区域，其他部分舍弃掉。
2024-04-29 16:19:27
443
原创 【SAM导出】使用torch.onnx.export将pth格式导出为onnx格式（Pytorch代码详解）
一般情况下，我们保存模型的格式都是pth的，最近根据一个项目需求，需要把pth格式转换为onnx格式，方便后面的调取，故此学习理解了一下，记录将SAM模型导出为onnx的过程。
2024-04-29 16:18:02
786
原创 【报错解决】ImportError: DLL load failed while importing MPI: 找不到指定的模块
本机电脑未安装msmpisetup.exe
2024-04-23 15:00:48
254
原创 【Diffusion实战】训练一个diffusion模型生成蝴蝶图像（Pytorch代码详解）
上一篇Diffusion实战是确确实实一步一步走的公式，这回采用一个更方便的库：diffusers，来实现Diffusion模型训练。
2024-04-23 14:50:17
1431
1
原创 【Diffusion实战】训练一个diffusion模型生成S曲线（Pytorch代码详解）
看了不少资料，终于大概理解diffusion每一步的流程与推导了，搞一个案例实践一下，把代码跟公式对一对加深理解。
2024-04-15 11:28:19
844
原创 【报错解决】RuntimeError: Distributed package doesn‘t have NCCL built in
windows系统不支持nccl，采用gloo；
2024-04-15 11:27:16
400
原创 【报错解决】AttributeError: module ‘radiomics‘ has no attribute ‘featureextractor‘
提取放射组学特征时，使用radiomics库报错
2024-04-08 20:59:12
257
原创 【Diffusion综述】医学图像分析中的扩散模型（二）
表1将综述的扩散模型论文根据其直接使用或受启发于 (1) DDPMs，(2)NCSNs，(3) SDEs的算法进行了分类。此外，表1突出了每个算法的关键概念和目标，并代表了在未来基于回顾论文的研究中可以调查和使用的实际用例。显然，调节反向扩散过程以获得期望输出是研究最多的方法之一。这个引导过程可以使用不同的约束类型来完成。
2024-04-02 10:11:15
1156
原创 【图像分割】nnUnetV1与V2的Linux部署与应用命令
以前觉得麻烦，一直没用过nnunet，虽然知道它很火，最近一个契机，部署使用了一下nnunet，记录一下其V1和V2版本的部署和使用的方法与命令。
2024-04-02 10:06:33
1056
原创 【Diffusion综述】医学图像分析中的扩散模型（一）
去噪扩散模型（Denoising diffusion models）是一类生成模型，最近在各种深度学习问题中引起了极大的兴趣。扩散概率模型定义了一个正向扩散阶段，在这个阶段中，输入数据通过加入高斯噪声在几个步骤中逐渐受到扰动，然后学习反向扩散过程以从有噪声的数据样本中恢复所需的无噪声数据。扩散模型因其强大的模式覆盖和生成样本的质量而被广泛赞赏，尽管其已知的计算负担。
2024-03-31 16:56:25
1386
原创 【创作纪念日】1024回忆录
不知不觉中，从创作第一篇文章到现在，已经1024天了，两年多的时间里，已经从硕士到博士了，1024，对于程序员来说，是个特别的数字吧，在此回忆与记录一下这些美好的经历吧。
2024-03-24 00:21:18
855
原创 【PyCaret】使用PyCaret创建机器学习Pipeline进行多分类任务
PyCaret是一个开源的、不用写很多代码的Python机器学习库，可以自动化机器学习工作流程，是一个端到端的机器学习和模型管理工具，可以成倍地加快实验周期，提高工作效率。PyCaret本质上是几个机器学习库和框架的封装，比如scikit-learn、XGBoost、LightGBM、CatBoost、spaCy、Optuna、Hyperopt、Ray等等。
2024-03-21 16:42:59
995
原创 【CLIP综述】CLIP在医学影像中的应用（二）
本节中，展示了一些典型的 CLIP 驱动的应用，以展示在CLIP帮助下的性能改进。虽然这些研究侧重于各种任务，但它们通常表明，预训练的 CLIP 的优势在于其解释和传达人类知识的能力。在一些研究中，将描述性文本 prompts 输入到 CLIP 中，实验结果表明 CLIP 能够熟练地理解嵌入在 prompts 中的语义，并有效地将语义传递给框架内的其他模块。
2024-03-11 14:15:42
1359
原创 【CLIP综述】CLIP在医学影像中的应用（一）
CLIP（Contrastive Language-Image Pre-training）是一种简单而有效的预训练范式，它成功地将富含语义的文本监督引入视觉模型，并因其通用性和可解释性在各种任务中显示出良好的效果（连接文本与图像其在医学图像领域大放光彩，不仅可作为医学图像和文本对齐的预训练范式，还可作为各种临床任务的预训练关键部分（鼓掌本文对医学成像领域内的CLIP范式进行深入探索，包括改进的CLIP预训练和基于CLIP的应用。
2024-03-11 14:13:04
1700
2
原创 【SAM综述】医学图像分割的分割一切模型：当前应用和未来方向
鉴于prompt的灵活性，foundation models已成为自然语言处理和计算机视觉领域中的主导力量。最近SAM的兴起，使得prompt-driven范式在图像分割领域显著发展，进而引入了大量以前未开发的功能。但医学图像与自然图像还是存在较大差异，SAM应用于医学图像的可行性尚未可知。在本文中，作者进行了全面综述，介绍医学图像分割任务中SAM的有效性，包括基线测试和方法调整，还探索了SAM在医学图像分割中的潜在研究方向。
2024-02-27 15:14:17
4108
原创 【文本分类】利用bert-base-chinese训练自己的模型完成中文文本分类任务（pytorch实现）
【文本分类】利用bert-base-chinese训练自己的模型完成中文文本分类任务（pytorch实现）
2024-02-18 11:44:43
3246
33
原创 【KL散度】stats.entropy、special.rel_entr、special.kl_div、F.kl_div与nn.KLDivLoss用法解析
偶然学习KL散度，突然发现python里面KL散度的实现有很多种耶，一时就地懵圈，各处查阅资料，终于理解了，主要从代码实现和公式的角度，整理记录一下神奇的stats.entropy、special.rel_entr、special.kl_div、F.kl_div与nn.KLDivLoss吧。
2024-01-03 15:51:47
1232
原创 【数据处理】Python解析多类别分割标签的json文件
之前数据处理也解析过json文件，不过那会是一张图只有一个mask，一个标签，近期接触多类别分割标签的json文件，进一步理解了以前写的解析代码，考虑了多类别标签的各种情况，特此记录。
2024-01-03 15:48:22
665
原创 【神行百里】python开启多线程（threading）与多进程（multiprocessing）运行
由于处理数据过多，程序运行很慢，就学习了一下python开启多线程与多进程的方法，虽然最后也没用上，但还是记录总结一下，以备不时之需。简言之，进程为资源分配的最小单元，线程为程序执行的最小单元。
2023-12-11 19:58:37
2240
原创 【神行百里】pandas查询加速之行索引篇
最近进行大数据处理的时候，发现我以前常用的pandas查询方法太慢了，太慢了，真是太慢了，查阅资料，遂发现了一种新的加速方法，能助力我飞上天，和太阳肩并肩，所以记录下来。
2023-12-11 19:53:29
2086
原创 【中文编码】利用bert-base-chinese中的Tokenizer实现中文编码嵌入
按我通俗的理解，就是文本要进入模型，得编码成数字的形式，那么，怎么给定数字的形式呢，不能随便给一个数字吧，此时就需要一个词表，该表中有很多很多的字，每个字都有在该表中唯一的位置，每个字编码时，采用其在词表中的位置。
2023-12-02 15:28:13
4679
2
原创 【技术追踪】SAM（Segment Anything Model）代码解析与结构绘制之Mask Decoder
在【segment_anything/predictor.py --> SamPredictor类 -->predict_torch函数】中调用了mask_decoder实现mask预测，如下所示
2023-11-18 19:08:26
1393
原创 【python函数】内置函数slice()用法解析
slice函数，功能如其名字，切片用的。参数有仨，slice(start, stop, step)，分别为起始点 start ，终止点 stop 和步长 step ，默认情况下，start 和 step 为None，意味着从0索引开始取，步长为1。
2023-10-17 23:36:37
679
原创 【技术追踪】SAM（Segment Anything Model）代码解析与结构绘制之Prompt Encoder
SAM中Prompt Encoder的代码详细解析与结构绘制~
2023-10-11 19:29:09
1635
5
原创 【技术追踪】SAM（Segment Anything Model）代码解析与结构绘制之Image Encoder
尽管官方demo玩的很花很溜，但只有能够本地运行起来，才能够查看中间过程不是，基于这篇文章，使用官方的狗狗图像，采用sam_vit_b_01ec64.pth模型，给定point，完成狗狗的分割。
2023-09-25 23:01:51
1961
4
原创 【python函数】torch.nn.Embedding函数用法图解
相比于One-hot编码，Embedding方式更方便计算，nn.embedding就相当于一个词典嵌入表。
2023-09-20 00:11:42
2651
1
原创 【统计分析】Bland-Altman图：MedCalc操作指南与Python实现
Bland-Altman分析主要运用到什么场景呢？比较两种方法测量的一致性。例如：测量脑出血的体积，医生手动测量会得到一组值，而基于深度学习的分割模型测量会得到另一组值，利用Bland-Altman分析可以评价模型与医生测量结果之间的一致性与偏差。简言之，衡量模型是否可靠，能不能用于临床实践。此外，Bland-Altman图也可用于评估一种测量技术的可重复性，通过对一系列受试者使用单一方法进行重复测量进行比较。
2023-06-05 17:06:40
3794
原创 【降维打击】T分布随机近邻嵌入（T-SNE）Python实践
T-SNE是一种降维方法，降维？PCA（Principal component analysis）也可以降维，T-SNE有什么特点呢？T-SNE是非线性的，而PCA是线性的。T-SNE非线性降维的思路是将高维特征投射到低维空间，使得原本在高维空间距离较远的数据点在低维空间同样距离较远，而原本在高维空间距离较近的数据点在低维空间同样距离较近。低维空间一般设为2维或者3维，方便可视化。然而，T-SNE很少用于降维，论文中看到的基本是用来可视化的，因为一般需要降维的数据都具有线性相关性，故PCA用的比较多。
2023-05-22 10:23:39
964
原创 【模型复杂度】torchsummary、torchstat和profile的使用
模型的复杂度分析也是不同模型比较的重要指标，包括模型参数、浮点运算次数（Floating point operations，FLOPs），内存占用和运存占用等，记录一下可以评价模型复杂度的方法。
2023-04-24 15:50:02
2143
1
原创 【池化方法】多示例学习池化（MIL pooling）公式与代码
一般的池化方法包括最大池化、平均池化、自适应池化与随机池化，这几天意外看到了多示例学习池化，感觉挺有意思的，记录一下。
2023-04-19 09:56:54
1089
1
原创 【Xshell命令】常用命令，解决报错 -bash: cd: too many arguments
记录一下跑深度学习模型时常使用的Xshell命令
2022-11-24 20:38:41
786
原创 【损失函数】NLLLoss损失、CrossEntropy_Loss交叉熵损失以及Label Smoothing示例与代码
机缘巧合下，近期又详细学习了一遍各损失函数的计算，特此记录以便后续回顾。为了公式表示更加清晰，我们设yn∈{1,2,…,K}为样本n的真实标签，v=(v1,v2,…vK)为网络的输出，即样本n的预测结果，设N为一批样本的数目（即Batch size），K为分类任务的类别数目。
2022-10-30 15:47:39
1639
原创 【损失优化】pytorch中多优化器参数分配与多损失回传(解决报错：RuntimeError: Trying to backward through the graph a second time)
优化器参数分配采用 itertools.chain()多损失回传除最后一个loss.backward()，其余需要添加 retain_graph=True
2022-06-01 11:11:38
941
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