Philo的博客

我也是装了两天左右才把windows的mamba-ssm装好，摸索了很多，下面是一些在安装过程中的问题和提示，下载链接：https://download.pytorch.org/whl/cu118。，把setuptools卸载干净就行，包括python自带的。这个报错总结起来就是。

起初，`我的Python版本为3.7，PyTorch版本为1.12`。然而，由于SAM2中的一个Attention模块需要更高版本的PyTorch，我按照SAM2-Adapter的要求创建了一个新的环境，`升级到了Python 3.8和PyTorch 2.4`。在此过程中遇到了一些问题，记录如下。

1. 根据表格信息重命名图片名称2. 判断两个文件夹中名称是否相同3. 按照要求重命名图片名称4. 根据图片名称重命名图片5. 将图片转换成二值图并改变后缀名6. 统计二值图中目标的个数并输出符号条件的图片名称7. 将JSON数据写到表格中8. 重命名data下的各个数据集中的图片名

在论文可视化结果时，简介明了的展示我们自己模型的分割结果与gt的区别是十分重要的，因此这里记录一下自己的可视化方式。因为大多数操作都是基于cv2进行的，因此你需要保持输入图像的h，w，c的顺序，RGB的顺序等。没办法贴全自己的所有代码，因此以下代码建议各位借助Chat-GTP学透了再使用，不可盲目使用。

在模型训练过程中，想把控制台内容输出的内容缓存起来，以便后期检查使用，就用起了logger。用的时候遇到过中文乱码问题以及重复缓存问题（模块时，如果实例化了多个 loggers 并且日志处理器没有被正确地移除，可能会导致日志数据重复。在 Python 中使用。

超声的原始图像不仅包含了用于诊断的信息，还掺杂了诸如机器型号、日期等不相关的信息。为了确保后续神经网络分割的准确性和有效性，需要对这些无关信息进行裁剪，仅保留与分割任务直接相关的img和mask部分。这样既能优化数据处理流程，又能提升后续分析的精准度。

原本以为它是和nn.Conv2d()一样，就看第二个维度的数值，今天才知道，它是只看最后一个维度的数值！！！

`unsqueeze()` 函数是 PyTorch 中的一个张量操作函数，用于在指定位置添加一个新的维度。该函数的作用是在张量的指定位置插入一个新的维度，从而改变张量的形状。

单目标分割标签图叠加代码

针对医学图象分割数据集过少的方法，对原始数据进行增强，再保存，同时适配交叉验证的分配。

汇总了医学图象分割常见损失函数，包括Pytorch代码和Keras代码，部分代码也有运行结果图！

介绍在CNN中的常见的三种注意力机制，并且提供了Pytorch代码2023.3.2新增SKNet代码，同是修改SkNet在测试时不报错，但是在反向传播中报错的情况。2023.3.10 新增scSE注意力代码2023.3.11 新增Non-Local Net代码2023.3.13 新增GCNet代码2023.6.7 新增ASFF代码

理清FLOPS和FLOPs，大写S代表的是显卡的运算性能，小写s代表的是模型的运算次数！FLOPS是处理器性能的衡量指标，是“每秒所执行的浮点运算次数”的缩写；FLOPs是算法复杂度的衡量指标，是“浮点运算次数”的缩写，s代表的是复数；红框中的FLOPS是大写，和显卡运算能力有关！论文中，写的都是FLOPs，谁会没事在论文中写FLOPS！！影响网络参数量，和Batch没关，但是和输入数据的通道数和大小有关，大家可以自己试一下；影响网络计算量，和Batch。

【代码】Pytorch 统计网络参数个数。