- 博客(3)
- 收藏
- 关注
原创 pytorch查看网络训练中的参数更新梯度
在训练网络中发现了结果一直不变的问题,就去输出看看网络参数:dicte = model.state_dict() # .items()print('up_concat4.conv.conv2.0.weight', dicte['up_concat4.conv.conv2.0.weight'][0])print('center.conv2.0.bias', dicte['center.conv2.0.bias'])print('center.conv1.0.bias', dicte['center.
2021-11-08 12:13:28 2649
原创 多任务学习pytorch使用不同学习率同时训练多个网络的方法
多任务学习时需要多个网络一起训练,并设置不同的学习率,pytorch中有以下几种方法:首先网络设置如下:import torch# Encoder参数共享 Decoder分别训练Encoder = SharedEncoder().cuda()Dose_decoder = Dose_prediction().cuda()Gra_decoder = Gradient_regression().cuda()criterion = torch.nn.MSELoss()lr1 = 0.0002
2021-11-08 11:54:51 5670 9
原创 SimpleITK使用sobel算子提取三维nii医学图像的梯度图
使用sobel算子提取三维nii医学图像的梯度图最近要做一个三维的剂量预测任务,准备采用多任务学习的方法,加入一个支路来预测梯度信息,所以需要先手动使用sobel算子提取一下梯度图,来作为此支路的label。但是通用的函数往往只能用于二维图像,例如cv2.Sobel()。后来终于找到了一种可以方便的直接使用SimpleITK库提取nii图像的三维梯度图的方法,在此做一记录。代码实现如下:import SimpleITK as sitkpath = '201_dose.nii.gz'sitk_im
2021-11-08 11:23:13 818
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