- 博客(5)
- 收藏
- 关注
RSS订阅原创 【Pytorch】densenet网络结构复现及预训练权重加载
前言最近在自己搭建densenet的网络结构，论文的原文中对网络结构的具体参数并没有很详尽的描述，所以只能参照作者给出的github代码自己搭建。论文地址：https://arxiv.org/abs/1608.06993论文github链接：https://github.com/liuzhuang13/DenseNet概述论文中的Densenet的网络结构可以大体分为4个部分：一开始的特征提取部分，DenseBlock，Transition和最后的分类部分。头尾的两个部分都是CNN常规的部分；
2020-12-29 15:50:41
4005
原创 win10下faiss和deepmatch包的安装
安装win10下安装faiss和deepmatch，可分别用以下两个指令完成安装（我这里采用的都是CPU版本的）faiss采用的安装指令为 conda install -c pytorch/label/nightly faiss-cpudeepmatch采用的安装指令为pip install deepmatch[cpu]deepmatch的GPU版本的安装可以点上面的链接查看。...
2020-11-30 19:42:06
1517
3
原创 零基础入门推荐系统【数据分析】Task2--记录
前言Task2是对数据进行数据分析，数据分析的价值主要在于熟悉了解整个数据集的基本情况包括每个文件里有哪些数据，具体的文件中的每个字段表示什么实际含义，以及数据集中特征之间的相关性，在推荐场景下主要就是分析用户本身的基本属性，文章基本属性，以及用户和文章交互的一些分布，这些都有利于后面的召回策略的选择，以及特征工程。笔记数据的具体分析可能结合特征工程会更具有针对性，所以本Task我主要是对代码的理解。数据分析常用的Python库包括pandas，numpy，matplotlib，seaborn等。原
2020-11-27 18:41:42
136
原创 新闻推荐Task01记录
目录引言赛题理解Baseline代码理解与注释引言这是对《零基础入门推荐系统【赛题理解+Baseline】Task1》的记录。赛题理解此次比赛是新闻推荐场景下的用户行为预测挑战赛， 该赛题是以新闻APP中的新闻推荐为背景， 目的是要求我们根据用户历史浏览点击新闻文章的数据信息预测用户未来的点击行为， 即用户的最后一次点击的新闻文章。将此预测问题转化为监督学习的问题或者软分类的问题是赛题的关键。Baseline代码理解与注释...
2020-11-25 16:17:26
139
原创 关于WSI切片处理问题——生成不包括肿瘤区域的掩码
背景本文参照github上面的文档，对WSI进行处理，目的在根据WSI原图和对应的标注文件提取小块的补丁（patch），作为训练集和测试集。需要对如何打开和处理WSI切片有一定的了解，如不了解，可以先去了解一下Openslide和ASAP，这些网上资料都较多，可以自行查阅。问题根据文档中的代码，在生成不包括癌变区域的掩码（mask）时，会遇到无法从组织区域掩码中减去癌变区域的情况，下面是原github文档中的代码：def generator_non_tumor_mask_level(tumor_m
2020-11-24 17:03:20
1709
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