- 博客(10)
- 收藏
- 关注
RSS订阅原创 学会在linux系统上运行docker镜像
参考https://zhuanlan.zhihu.com/p/651148141安装。运行其他的docker镜像，以4Dsegment为例。一、在linux系统上安装docker。
2024-05-10 10:51:54
295
2
原创 对安装C++的VS code --＞QT --＞ ITK --VTK有用的链接
Visual Studio, Qt, VTK, ITK安装（For Windows）配置VTK的那些“坑”
2024-04-22 17:33:11
388
原创 linux系统常见指令
zip安装：通过apt-get update && apt-get install -y zip安装zip指令，通过cd到需要解压文件夹执行指令。进行解压，通过cd到当前文件夹**tar czf dir.tar.gz test_dir/**压缩为gz格式。列出文件和文件夹的详细信息：权限，Owner，Group和创建/更新时间。（当打印板需要关闭，或者当前电脑界面需要关闭的时候，用于保存日志）进入名为test_dir路径的文件夹。递归拷贝a文件夹到b文件夹下。进行解压，通过cd到当前文件夹。
2024-03-25 10:40:22
250
1
原创 使用autoDL深度学习远程ssh连接，租用服务器完整医学深度学习分割任务
查看步骤1.4中设置的python映射路径，记下服务器端的保存路径，我的保存路径是/tmp/pycharm_project/当在电脑端写好代码后在Tools–>Deployment–>Unload to xxxxx上传代码。打开file–>Settings–>Add Interpreter–>on SSH ,内容如下。新建会话，并通过上面获取的地址和密钥，连接。租用GPU，以下是租用情况，我们可以根据自己的需求去选择需要租用的显卡类型。如图，根据所需代码选择框架类型和版本，并立即创建实例。
2024-03-05 13:47:07
728
原创 归一化方法在医学图像实战中的理解
总所周知在数据载入机器学习模型训练之前都需要进行归一化以保证数据在统一尺度有利于训练得到统一的特征，同样的对应特征而言在神经网络训练的时候不同深度卷积产生的特征尺度也会发生偏移和变化，为了统一特征学习，归一化概念被引入神经网络。
2024-01-08 10:42:05
867
原创 有必要对医学图像分类ROC曲线衍生的各指标理解清楚
分为真正例（标签为正，预测为正），假真例（标签为正，预测为负），假反例（标签为负，预测为正）和真反例（标签为负，预测为负）混淆矩阵是分类问题的基石，反映了真实标签和机器学习算法预测结果的组合。P-R曲线主要用于在不同阈值下观察模型的查准率和查全率之间的权衡关系。理解表示为：在模型预测的所有正例中，实际正例预测为正例的概率。理解表示为：在模型预测的所有负例中，实际负例预测为负例的概率。理解表示为：在所有标签为正的样本中，模型预测为正的概率。在所有实际负例中，模型能够避免错误预测为正例的比例。
2024-01-06 16:42:54
420
1
原创 记录一个深度学习项目如何独立构建虚拟环境
很多同学都有坏习惯，所有的项目都使用同一个环境，这样简单。然而当遇到不同项目之间依赖库相互冲突的时候，就会非常难受，因此有必要每个深度学习项目独立拥有环境。
2024-01-03 20:05:21
380
原创 nnU-Net源码剖写解读
nnU-Net已经称为了医学图像分割的backbone是现有医学分割模型的集大成者，它已其简单的训练流程和简单U-net模型就可达到sota的水平。我们将对nnUnetV2版本的源码进行剖析，理解和分析这个框架的原理，并希望在学习的后期能够修改源码作出创新。
2023-11-14 14:46:08
963
3
原创 window下nnUnetV2训练流程
nnUnetV2需要pytorch2.0.0版本，因此需要先升级cuda，我们将cuda升级到11.8的版本，通过控制面板-程序和功能 删除NVDIA CUDA Documentation 10.1，安装cuda11.8版本，选择自定义安装，只安装CUDA。打开nnunetv2–>dataset_conversion–>convert_raw_dataset_from_old_nnunet_format.py文件，键入指令。执行任务40的训练，使用3d_fullres网络框架，训练第0折。
2023-06-06 09:45:15
1635
2
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