- 博客(10)
- 收藏
- 关注
RSS订阅原创 Pytorch 多GPU运行
1、先设置当前环境可见的GPUimport osos.environ["CUDA_VISIBLE_DEVICES"]="2,3"#如希望使用2,3号GPU2、创建设备device=torch.device("cuda" if torch.cuda.is_available() else "cpu")#使用上面设定的全部GPU#device=torch.device("cuda:0" if torch.cuda.is_available() else "cpu")#若用单块GPU，指定cuda:0
2021-08-11 15:31:47
401
原创 医学图像预处理：MIPAV做脑smri前连合后联合（AC-PC）
前连合-后联合目的：（AC-PC）AC-PC:为前联合(anterior commissure, AC)后缘中点至后联合(posterior commissure, PC)前缘中点的连线，又称AC-PC线。脑立体定向手术和X-刀、Y-刀治疗多以此线为准，故脑立体定位断层解剖研究多以此线为基线。首先我们要知道立体定向脑图谱与其他解剖学脑图谱的不同点。我们都知道，在地理学上，两座山峰高低的比较是以海平面为基础的。那么人脑的比较的基础又是什么呢？立体定向脑图谱是以前连合与后连合的连线（AC-PC）为基准的，因
2021-07-12 11:42:52
9046
11
原创 model.eval()和torch.no_grad()参数更新的问题
model.eval()的作用是用于模型评估阶段，关闭模型的Batch normalization层和Dropout层，[参考]所以在model.eval()时模型参数还是会变化的[参考]，梯度的计算不受影响，计算流依然会存储和计算梯度，反向传播后仍然能够更新模型的对应的权重（比如BN层的weight和bias依然能够被更新）。而torch.no_grad()的作用就是停止autograd模块的工作，即不会自动计算和存储梯度，因此能够起到加速计算过程和节省显存的作用，同时也说明了不能够进行反向传播以更
2021-06-16 20:44:15
1900
原创 将jupyter代码块输出内容隐藏
jupyter代码块输出时，有时输出太长会感觉不舒服，可以隐藏输出内容如图：输出很长单击左侧灰框处可将输出缩短到滚动窗口，双击则可将输出隐藏单击：双击：也可以用Cell下的All Output中的Clear将结果清除，注意这种方法会将所有方法清除...
2021-06-16 15:05:26
7183
1
原创 ‘function‘ object has no attribute ‘splits‘（Torchtext加载数据集出现的问题）
‘function’ object has no attribute ‘splits’(使用torchtext加载数据集时的问题)如加载WikiText时torchtext.datasets.WikiText2.splits(TEXT)报错解决方案：在datasets前加legacy如：torchtext.legacy.datasets.WikiText2.splits(TEXT)此外在创建Field时torchtext.data.Field报module ‘torchtext.data’ has
2021-05-24 17:12:18
3678
原创 数字图像处理（学习笔记）---图像平均（Image Averaging）(补充：多图像平均法)
1、先用原图像生成3张有噪声的图像：import numpy as npfrom PIL import Imageimport cv2import matplotlib.pyplot as pltimage=Image.open('1.jpg')retimg=np.array(image)row,col,_=retimg.shapefor i in range (3): retimg=np.array(image) for j in range(5000):
2020-11-10 22:03:45
3681
原创 数字图像处理（学习笔记）---直方图匹配（image histogram matching）（处理灰度图片和RGB图片）
数字图像处理（学习笔记）—直方图匹配（image histogram matching）（处理灰度图片）1、将输入图片的直方图向参考图片的直方图靠近，然后输出图片#直方图匹配import numpy as npfrom PIL import Imageimport matplotlib.pyplot as pltimport mathimport cv2def histogramMatching(img1,img2):#参数分别为输入图片和参考图片 img_H1,img_W1=img
2020-10-31 10:05:21
1718
原创 数字图像处理（学习笔记）---直方图均衡（image histogram equalization）（处理灰度图片和彩色图片）
数字图像处理（学习笔记）—直方图均衡（image histogram equalization）（处理灰度图片和彩色图片）1、处理灰度图片#直方图均衡（灰度图像）import numpy as npfrom PIL import Imageimport matplotlib.pyplot as pltimport mathdef HistogramAverage(img): img_H,img_W=img.shape #灰度图像，只有二维 retimg=np.zeros((
2020-10-28 20:31:31
1152
2
原创 数字图像处理（学习笔记）---图像平均（Image Averaging）
**数字图像处理（学习笔记）—图像平均（Image Averaging）**1、图像平均'''图像中每个像素点的值与其旁边的像素点的值比较接近。这很显然。因为图像是现实世界的反映。我们现实世界是连续的，除了对象边界外，每个对象反映在图像中，其覆盖的区域亮度都比较近似。'''#图像平均Image Averagingimport numpy as npfrom PIL import Imageimport matplotlib.pyplot as pltimport mathdef
2020-10-16 19:46:48
3518
1
原创 数字图像处理（学习笔记）---图像插值算法（image interpolation algorithms）（最近邻插，双线性、双三次）
数字图像处理（学习笔记）—图像插值算法（image interpolation algorithms）1、最近邻插法`#最近邻插值法from PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport mathdef interpolation(img,dstH,dstW): scrH,scrW,_=img.shape retimg=np.zeros((dstH,dstW,3),dtype=np
2020-10-15 21:58:10
1429
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