酒酿小芋圆-CSDN博客

原创【深度学习框架搭建】Centos系统下如何装版本合适的 nvidia驱动 + cuda + cudnn + tensorflow

笔者最开始装了最新版的12.3版本的NVIDIA驱动+CUDA Toolkit的环境，在【conda install tensorflow-gpu】时完全没报错，但【import tensorflow】的时候出现如下错误：Could not load dynamic library ‘libcusolver.so.11‘； dlerror: libcusolver.so.11根据教程配置好bashrc文件中的路径后，继续报错：No such file or directory; LD_LIBRARY_P

2023-11-16 12:07:28 934 1

原创【链接】Batch normalization和Instance normalization的区别与实现

定义理念概述：https://www.zhihu.com/question/68730628链接: link.Instance normalization实现方式：【亲测有效】https://blog.csdn.net/qq_41033241/article/details/104076010链接: link.

2020-10-22 11:03:31 343

原创【实验踩坑小结】如何在keras构建model中取出tensor中的某一维数据

问题描述：上一层得到的tensor是一个二维的【Tensor(“dense_3/BiasAdd:0”, shape=(?, 2), dtype=float32)】，我想对tensor中的不同列做不同的激活函数操作，所以需要单独的把我需要的那部分取出来。错误做法：fc = Dense(2)(fc)a = fc[:,0]s = fc[:,1]a = Activation('relu')(a)s = Activation('sigmoid')(s)model = Model(inputs = i

2020-10-22 10:45:51 3297 3

原创【实验】Keras多GPU训练

先mark一下实现方法（主要是数据并行的实现）：链接1:https://keras.io/zh/getting-started/faq/#_1.链接2:http://cn.voidcc.com/question/p-bklndimw-uw.html.链接3:https://blog.csdn.net/Umi_you/article/details/81301002.链接4:https://www.jianshu.com/p/4203a6435ab5.如图是我的Python和keras的

2020-09-28 11:29:53 428 1

原创【实验踩坑小结】keras中的Lambda层使用

适用场合：只要使用Model，就必须保证该函数内的所有层继承自keras中Layer的层。当我们有以下需求时，可以尝试使用keras中的Lambda层：（1）当我们需要使用其他层进行相应操作（如keras.backend），或者使用tensorflow中的某些函数（如tf.reduce_max）时。（2）进行常数或者维度不匹配的tensor与tensor的算术运算（广播机制）。使用方法：keras.layers.Lambda(function, output_shape=None, mask=No

2020-09-28 10:41:13 5130 1

原创【论文笔记】EﬃcientFCN: Holistically-guided Decoding for Semantic Segmentation

2020摘要本文中，作者提出了EfficientFCN，其主干是一个普通的ImageNet预训练网络，没有任何扩展的卷积。引入了整体引导的解码器，以通过编码器的多尺度特征获得高分辨率的，语义丰富的特征图。解码任务转换为新颖的代码簿生成和代码字组装任务，这利用了编码器的高级和低级功能。与仅使用1/3的计算成本的现有技术方法相比，这种框架可实现甚至可比甚至更好的性能。在PASCAL上下文，PASCAL VOC和ADE20

2020-09-25 02:35:32 705

原创【实验踩坑小结】keras.layers 融合层（Merge）

1、tf.add_n函数的用法tf.add_n([p1, p2, p3…])函数是实现一个列表的元素的按位置相加。就是输入的对象是一个列表，列表里的元素可以是向量，矩阵等。但要求p1,p2,p3,…维度必须相同。‘’’‘’’...

2020-09-21 10:36:06 4720 1

原创【论文笔记+代码参考】DCAN: Deep contour-aware networks for object instance segmentation from histology images

2017摘要本文中，作者在统一的多任务学习框架下提出了一种新的深度轮廓感知网络（DCAN），以实现更精确的检测和分割。在该网络中，基于端到端的全卷积网络（FCN）对多层次上下文特征进行了研究，以处理外观变化较大的问题。此外，进一步建议使用一个辅助监督机制来克服在训练较深网络时梯度消失的问题。本文网络不仅可以输出精确的组织学对象概率图，而且可以同时描绘出清晰的轮廓线来分离聚类对象实例，进一步提高了分割性能。在2015年

2020-09-18 11:29:06 1854

原创【论文笔记】HF-UNet: Learning Hierarchically Inter-Task Relevance in Multi-Task U-Net

2020Title：HF-UNet:Learning Hierarchically Inter-Task Relevance in Multi-Task U-Net for Accurate Prostate Segmentation in CT images摘要本文中，作者通过两阶段网络来解决CT图像中前列腺分割的挑战性任务，其中第一阶段是快速定位，第二是第二阶段是为了准确地分割前列腺。为了在第二阶段精确分割前列

2020-09-16 21:09:03 1262 2

原创【论文笔记】Pairwise Relation Learning for Semi-supervised Gland Segmentation

MICCAI-2020摘要本文中，作者提出了基于成对关系的半监督模型$PSR^2$用于组织学图像上的腺体分割。该模型由分割网络（S-Net）和成对关系网络（PR-Net）组成。S-Net在标记数据上进行训练以进行分割，而PR-Net在无监督方式下标记和未标记数据上进行训练，以通过利用特征空间中每对图像之间的语义一致性来增强其图像表示能力。由于两个网络共享它们的编码器，因此PR-Net学习的图像表示能力可以转移到S-N

2020-09-15 19:27:42 1016 5

weixin_43911462的博客