- 博客(318)
- 资源 (14)
- 收藏
- 关注
RSS订阅原创 PanDerm多模态皮肤科基础模型的核心创新与应用价值
2602.10624》是一篇发布于arXiv的学术论文，arXiv是一个开放获取的预印本平台，涵盖物理学、数学、计算机科学等多个领域。该论文的具体标题和内容需要进一步查阅，但通常arXiv的论文编号格式为“年份+月份+序号”，因此这篇论文可能发布于2026年2月（尽管当前年份为2023年，可能是编号录入错误或未来预发布）。
2026-05-23 17:12:49
454
原创 Hugging Face 镜像站 hf-mirror.com 使用指南
您的脚本提供了一个高效的下载方案，特别适合集成到自动化流程中。如果您有更多需求（如下载特定模型分支或处理下载进度），Hugging Face Hub 库支持更多参数。测试代码时，建议在小型模型（如）上先运行，以验证网络设置。pythonimport os# 下载单个文件# 下载整个仓库通过镜像站，你可以：无需代理即可正常访问 Hugging Face 资源使用与原生命令完全一致的享受断点续传、多文件并行等实用特性轻松下载 Gated Model 和大型数据集只需设置一个环境变量。
2026-05-23 16:41:24
305
原创 ViT革命：Transformer如何重塑计算机视觉
ViT（Vision Transformer）是Google团队2020年提出的图像分类模型，通过将图像分割为16×16的块序列并应用Transformer Encoder处理，解决了传统Transformer处理图像时的高维计算、缺乏归纳偏差等问题。模型包含Embedding层、Transformer Encoder和MLP Head三部分，通过线性投影和位置嵌入保留空间信息。ViT在大规模数据集上表现优异，如ViT-Large在ImageNet-21K上精度提升4%以上，但需要大量数据训练。该模型推动了
2026-05-22 16:49:03
465
原创 【无标题】
pt文件是PyTorch中用于保存张量或模型的序列化文件，与.pth.pt：常用于保存单个张量、张量集合或TorchScript模型.pth：多用于保存模型权重字典。
2026-04-30 11:29:26
281
原创 X-AnyLabeling +9.5 G Medsam3全流程接入笔记
摘要：日志显示加载segment_anything_Med3模型时出现权重键缺失问题，主要因模型版本不兼容或权重文件损坏导致。解决方案包括检查版本兼容性、验证文件完整性、修改加载逻辑（如使用strict=False忽略缺失键）或重建缺失权重键。建议调试时打印模型结构和权重键名进行对比，若问题持续可考虑使用HuggingFace模型、重新训练或联系原作者获取兼容权重。（149字）
2026-04-23 13:09:08
229
原创 X-AnyLabeling +sam3.1 全流程接入笔记
模型加载缺失键问题分析与解决方案：检查模型文件完整性，验证版本兼容性，修改加载逻辑为strict=False允许部分缺失。分析网络层结构，确认缺失层是否为非必要模块。测试核心功能，必要时重新下载模型或更换版本组合。通过参数调整和版本验证可解决该警告问题。
2026-04-23 13:07:02
256
原创 X-AnyLabeling + YOLO26n 全流程接入笔记（含踩坑总结）
本文总结了在Windows11+RTX3090环境下将YOLO系列模型接入X-AnyLabelingServer的关键技术要点。核心包括：1)模型注册机制必须严格匹配model_id；2)解决YAML路径解析、模型注册遗漏、任务接口误用等典型问题；3)统一命名规范，特别注意"-"和"_"的区别；4)Windows路径处理需规避转义字符问题。最终实现了检测、分割、姿态估计、旋转框和分类等全系列YOLO模型的成功加载。关键经验包括model_id作为系统路由键的重要性、不
2026-04-22 18:34:13
451
原创 SAM3.1模型：3.5GB核心权重
摘要：该仓库包含预训练模型sam3.1的核心文件（3.5GB），支持PyTorch/TensorFlow加载。配置文件定义模型结构和分词规则，包含config.json、tokenizer_config.json等。完整分词工具链包括词表、合并规则等文件。README提供使用指南，LICENSE明确授权条款。模型基于Transformer架构，适用于文本生成/理解任务，支持多框架调用。技术特点包括大体积权重文件、BPE分词算法及Git版本控制。典型应用场景为NLP任务部署和分词器开发。
2026-04-22 15:16:13
1175
2
原创 MedSAM环境配置指南
medsam是bowang-lab团队开发的医学图像分割开源项目，基于PyTorch框架优化了SAM等模型，支持CT/MRI等医学影像的自动分割。项目提供预训练模型，可通过GitHub克隆获取，需配置CUDA环境（推荐12.8版本）和GPU加速（如RTX 3090）。安装时需创建虚拟环境，验证环节包含显存监控和模型加载测试。关键步骤包括：权重文件管理、依赖安装、GPU兼容性检查，适用于肿瘤分割、器官识别等医疗场景。注意数据隐私合规性，具体部署详见项目README文档。
2026-04-22 10:26:10
403
原创 X-AnyLabeling 快速入门
在安装软件前，我们需要建一个“隔离的房间”（虚拟环境），避免这个软件的配置把你电脑上其他的 Python 软件弄坏。官方推荐用uv这个超快的新工具来建房间。
2026-04-22 08:57:38
648
原创 X-AnyLabeling「模型加载」知识点详解
这是本章最重要的分类。意思是：这个模型类型，X-AnyLabeling已经支持你不用自己写推理代码只要准备好模型文件和配置文件即可例如：YOLOv5某些 YOLO 系列其他模型列表中已有模板的模型意思是：当前软件还没有这个模型的适配实现你需要自己：定义配置实现推理服务接入 UI注册到模型管理器type模型类型标识决定走哪套推理逻辑不能乱改name模型配置索引名内部识别使用一般保留默认例如unet.yamltype: unetclasses:- cat- dog。
2026-04-22 08:43:04
662
原创 X-AnyLabeling CLI：别再点GUI了，这才是效率玩家的打开方式
X-AnyLabeling命令行工具（CLI）大幅提升数据标注转换效率，支持批量处理、自动化流水线集成。核心功能包括格式转换（如YOLO↔XLABEL）、多数据集融合，通过简洁命令实现高效操作。关键要点：必须掌握基础命令（--help/checks/version），注意参数设置（--task/output/mode）和常见问题（类名文件格式、目录结构）。相比GUI，CLI更适合需要处理大批量数据、构建训练流程的开发者，能确保操作可复现性。该工具支持中文路径和单文件处理，是掌控数据流程的专业选择。
2026-04-22 08:20:54
336
原创 X-anylabeling如何加载（自定义）模型
本文介绍了在X-AnyLabeling标注工具中手动加载模型的两种方法：1)将下载的模型文件放入软件默认路径；2)加载自定义模型（需先导出.pth为ONNX格式）。详细说明了模型导出工具安装、配置文件修改等步骤，并针对GPU环境、OpenCV错误、程序闪退等常见问题提供了解决方案。重点强调路径配置、版本匹配等关键注意事项，建议通过源码安装获取调试信息以排查问题。适用于网络受限或需要微调模型的用户场景。
2026-02-04 11:39:13
2148
原创 anylableing对象检测全流程：从入门到精通
本文介绍了X-AnyLabeling工具的对象检测功能，包含基础用法和高级应用。基础操作包括添加图像、创建标注框和输入标签名称。高级功能支持YOLOv8等模型批量处理，提供双粒度检测模式（精细/粗粒度），并详细说明了环境配置步骤。工具还支持三种检测模式：点提示（高精度分割）、矩形提示（相似对象检测）和文本提示（语义搜索）。需要注意的是当前模型存在性能限制，包括训练数据局限性和高资源消耗等问题。
2026-02-04 11:30:50
736
原创 X-anylabeling模型读取路径
您的需求是修改X-AnyLabeling模型的默认下载路径（默认在），以避免占用C盘空间。这可以通过编辑配置文件来实现，以下是详细步骤和指导。
2026-02-04 10:50:44
377
原创 X-AnyLabeling 模型库
X-AnyLabeling模型库提供了全面的计算机视觉解决方案，涵盖图像分类、目标检测、姿态估计等任务。主要特点包括：1) 模型多样性，集成YOLO系列、RT-DETR等先进架构；2) 兼顾轻量化与高性能，从2.1MB到1.25GB不等；3) 任务覆盖全面，支持关键点检测、车道线识别等专业场景。典型应用场景包含嵌入式设备部署（如yolov6lite_s_face.onnx）和服务器端高精度推理（如dfine_x_obj2coco.onnx）。注意事项包括模型大小与计算资源的匹配，以及配置文件的正确使用。该资
2026-02-04 00:13:20
803
原创 SAM 3 图像和视频
SAM3是一个先进的图像和视频分割模型，支持文本和视觉提示（点、框、掩码）进行对象检测、分割和跟踪。相比前代SAM2，SAM3新增了开放词汇分割能力，能处理更广泛的提示类型。在包含27万概念的SA-CO基准测试中，SAM3达到人类表现的75-80%。模型提供图像和视频分割功能，支持单点/多点输入、边界框提示、批量推理等场景，并能通过组合文本与视觉提示优化结果。视频处理支持预加载和流式推理两种模式，可跟踪单对象或多对象。SAM3保持了与SAM2相同的API，是现有工作流程的理想升级选择。官方代码已在sam3仓
2026-02-03 23:52:17
932
原创 超轻量SAM模型部署：ONNX量化与Transformer剪枝全攻略
摘要：本文提出了一种超轻量SAM模型部署方案，通过ONNX动态量化和Transformer剪枝技术优化模型。方案首先将基础模型导出为ONNX格式并进行动态量化，随后对注意力头进行重要性评估和结构化剪枝。实验结果显示，优化后的模型体积减小81.5%（64MB），推理速度提升3.2倍（89ms），同时保持95%以上的分割精度（mIoU 0.851）。该方案特别适合移动端和边缘计算场景部署，在保持性能的同时显著降低了资源消耗。
2026-02-03 23:23:29
499
原创 Sam3 ONNX 导出与推理指南
本文介绍了如何将SegmentAnything(SAM)模型完整导出为ONNX格式并实现独立推理。作者发现官方方法仅导出mask_decoder部分，仍需依赖PyTorch环境准备输入，违背了ONNX跨平台部署的初衷。通过分析SAM结构，提出了完整解决方案：1)独立导出image_encoder为ONNX模型；2)复用官方方法导出mask_decoder；3)使用NumPy替代PyTorch实现提示编码。文章详细展示了图像预处理、编码器推理、提示编码和解码器推理的全流程，最终实现了完全脱离PyTorch依赖
2026-02-03 23:14:20
1139
原创 SAM3模型来了，手把手带你运行SAM3模型代码，SAM3模型初探！
Meta最新开源的SAM3模型实现文本提示精准分割，支持多模态输入。文章提供详细Windows本地运行教程，包括环境配置（NVIDIA显卡、CUDA 12.6）、依赖安装、权重下载替代方案（3.2GB的sam3.pt文件）和代码修改要点。重点解决了Windows下triton包缺失和权重下载两大难题，并附测试代码示例，展示模型通过"shoe"、"child"等文本提示实现语义分割的效果。该教程已在4090+Win11环境验证可用，为后续视频追踪等进阶应用打下基础。
2026-02-03 23:04:17
1950
原创 2015Residual Networks（简称ResNet）
摘要：2015年何凯明团队提出的ResNet在ImageNet比赛中多项任务夺冠，并获CVPR2016最佳论文奖。研究表明网络深度直接影响性能，但随着GPU算力提升，超深层网络（20-100层）反而出现误差增加的现象。ResNet通过残差学习解决了深度网络退化问题，成为深度学习重要突破。
2026-01-10 22:40:45
179
原创 Pytorch创建自己的数据集，深度学习数据集通用教程
本教程详细介绍了在PyTorch中创建自定义数据集的方法。主要内容包括：1）继承torch.utils.data.Dataset类并实现__init__、__len__和__getitem__三个核心方法；2）使用DataLoader实现批量加载和数据打乱；3）处理常见问题如图片尺寸不一致，建议使用transforms统一尺寸；4）数据增强技巧和高效加载方法。教程通过图像分类示例，展示了从数据准备到模型输入的完整流程，包括路径处理、图像转换和批处理验证。该框架通用性强，稍加修改即可应用于文本、音频等其他数据
2026-01-06 14:35:13
1273
原创 利用PyTorch实现图像识别
是一个与 PyTorch 深度学习框架配合使用的计算机视觉工具库。是一个与 PyTorch 深度学习框架配合使用的计算机视觉工具库。是一个与 PyTorch 深度学习框架配合使用的计算机视觉工具库。
2026-01-06 13:58:34
790
原创 计算机视觉之PyTorch数字图像处理
FCOS是一种创新的全卷积单阶段无锚框目标检测模型，通过直接学习目标边界框的几何属性，避免了传统锚框的复杂计算。该模型包含骨干网络、特征金字塔和多尺度检测头三部分结构，支持高效的多尺度目标检测。文章详细介绍了FCOS模型的构建方法，包括自定义数据集处理（以螺丝螺母检测为例）、数据加载器封装以及PyTorch实现步骤。相比传统方法，FCOS具有训练简化、推理高效等优势，特别适合需要快速部署的目标检测任务。
2026-01-06 13:51:41
756
原创 图像处理的 Python库
基础处理：推荐使用Pillow或Mahotas，它们简单易学。高性能任务：OpenCV或Scikit-Image更适合实时或复杂操作。深度学习：结合TensorFlow Image、PyTorch Vision或timm进行模型训练。数据增强：albumentations提供高效解决方案。格式转换：Imageio处理读写任务。建议根据项目需求选择库：优先考虑社区支持（如OpenCV、Pillow）和性能优化。实践这些示例代码将帮助您快速入门！
2026-01-06 13:48:36
828
1
原创 深度学习-图像数据的导入
本文介绍了图像数据处理的两种主要格式（PIL Image和ndarray）及其转换方法。PIL库（Pillow）提供图像读取、显示、尺寸获取和格式转换等基础操作，而ndarray格式常用于OpenCV处理。重点阐述了使用torchvision.transforms.ToTensor将图像转换为PyTorch张量的过程，包括数值范围缩放（0-255→0.0-1.0）和维度顺序调整（HWC→CHW）。同时对比了PIL、NumPy数组和PyTorch张量在形状、通道顺序和数据类型的差异，并提供了完整的格式转换示例
2026-01-06 13:42:55
839
原创 .npz文件
numpy中的.npz文件是对很多文件的压缩封装。其实这个.npz文件的大小并没有被压缩，它仅仅只是封装了许多文件而已。kwads：是你给数组在.npz文件中安排的名字，如果你不提供这个参数的话，savez()方法会自动将args中的数组名作为默认数组名。load()方法有一个属性files，通过调用.files可以知道.npz文件中有哪些数组。numpy 使用savez()来将数组保存为.npz格式文件，使用load()来加载.npz格式的文件。file：是你将要保存的文件名，数据将会保存到这个文件中。
2026-01-06 13:32:11
300
原创 【faers数据库-R语言】
摘要：本文详细介绍了FAERS数据库不良反应信号挖掘的完整流程，包括数据解压导入（R代码示例）、数据结构理解、数据清洗（缺失值处理、标准化、合并和编码映射）、信号挖掘准备（药物-反应组合表创建）以及信号强度指标计算（PRR和ROR）。重点阐述了数据清洗的关键步骤，如缺失值处理（colSums(is.na())）、数据标准化（toupper()、as.Date()）和表合并（merge()），并提供了完整的R语言实现代码。最后强调结果需结合临床知识解读，建议使用data.table等高效工具处理大数据。整个流
2025-12-05 21:17:27
1381
原创 【无标题】
WSL（Windows Subsystem for Linux）是微软推出的革命性工具，可在Windows11/10上原生运行Linux环境，无需虚拟机。文章详细介绍了WSL的安装方法（一键或手动）、基本命令操作、实用场景（开发/运维/数据分析）和常见问题解决方案。WSL2推荐版本具有100%系统调用兼容性，支持Docker等高级功能，实现了Windows与Linux的无缝集成，极大提升了开发效率，是替代双系统的理想选择。
2025-10-13 19:59:19
378
原创 使用Gromacs进行蛋白和配体小分子的动力学模拟
本文详细介绍了使用Gromacs软件进行分子动力学模拟的完整流程。从分子对接后提取蛋白和配体结构开始，包括结构修补、拓扑文件生成、溶剂化处理、能量最小化、平衡和正式模拟等步骤。重点阐述了MD模拟后的轨迹分析技术，包括RMSD、RMSF、回转半径、氢键分析等11种分析方法，以及自由能形貌图和模拟动画的制作方法。该教程为研究蛋白-配体复合物的动态行为和相互作用提供了系统的方法指导，涵盖了从预处理到结果分析的全过程，适用于药物设计和分子相互作用研究。
2025-10-10 08:48:06
3246
2
原创 分子动力学模拟自由能形貌图绘制教程
自由能形貌图(FEL)通过将分子动力学模拟数据映射到二维坐标空间(RMSD和Rg)，可视化体系能量状态。计算过程包括提取轨迹文件的RMSD和回转半径数据，合并后生成2D和3D形貌图。2D图显示单一主稳态沿PC2(Rg)方向波动，3D图进一步揭示深谷状的全局最低能盆地被高能垒包围。结果表明体系主要处于单一稳定构象，构象转变受限，需延长采样时间观察跨越能垒的构象变化。该方法直观展现了分子构象空间特征和动力学限制因素。
2025-10-10 08:23:48
1913
原创 小米平板的鼠标的方向是反向的，困惑我很久
小米平板调整鼠标方向方法：进入设置→更多设置/辅助功能→找到"鼠标和触控板"选项→关闭"自然滚动"或调整"指针方向"开关。若无效可尝试重置设置、重启设备或更换兼容鼠标，实测成功解决了滚轮方向问题。
2025-10-04 06:21:42
1016
原创 【GROMACS 通常是笔误（把字母 L 写成数字 1）】
摘要：GROMACS预处理工具gmxgrompp报错提示拓扑文件merged_top.top中引用未定义的分子类型"1igands"。错误原因是[molecules]段中的分子名必须与.itp文件里[moleculetype]定义的名称完全一致。解决方法：1）通过预处理拓扑文件（gmxgrompp -pp）检查实际定义的分子类型名；2）修正[molecules]中的拼写错误（如将"1igands"改为正确的"LIG"）；3）确保.itp文件的#in
2025-10-02 10:52:34
1273
原创 32.R脚本对蛋白受体和小分子药物配体合并
摘要：本文介绍了配体与受体文件合并的操作流程。首先需准备处理好的受体文件和配体文件（包括GRO、ITP、MOL2、TOP格式），并按修改时间排序。通过R脚本实现文件合并：设置工作路径后，分别读取受体和配体的GRO文件内容，解析原子数并提取坐标行进行合并。ITP和TOP文件则通过内容读取、合并后写入新文件。最终输出合并后的complex.gro（99KB）和merged_top.top（1.278KB）文件，为后续分子动力学分析提供基础。关键步骤包括文件复制、内容解析和脚本操作，需注意保持文件结构完整性。
2025-10-02 09:13:27
435
原创 30.1gromacs软件手动添加charmm36力场
本文介绍了手动添加CHARMM36力场到GROMACS软件的方法。首先通过cmd使用Win+R快捷键打开文件管理器，找到GROMACS安装目录下的力场文件夹。然后将下载的CHARMM36力场文件重命名为"charmm36.ff"并复制到该目录。最后运行GROMACS验证命令，确认力场已成功添加。这种方法适用于需要扩展GROMACS力场支持的情况，特别是使用CHARMM力场进行分子动力学模拟时。整个过程不需要重新编译软件，只需正确放置力场文件即可完成配置。
2025-10-01 17:37:56
824
原创 30.蛋白受体水模型和力场选择
本文详细介绍了蛋白受体水模型和力场选择的完整操作流程，包括文件准备、软件操作、命令运行等步骤。重点讲解了使用PyMOL和SPDBV软件处理PDBQT文件的方法，以及如何添加水模型和力场参数。文章特别强调了处理非标准残基（如MSE）导致的错误，提供了删除或修改为MET残基的解决方案。操作过程中需注意文件格式转换、命令参数选择（CHARMM36力场和TIP3P水模型）以及输出文件管理。该流程最终生成三个核心文件用于分子动力学模拟，为后续研究奠定基础。
2025-10-01 17:26:11
793
原创 28.分子对接
本文介绍了分子对接的准备工作流程，主要包括：1）文件准备（配体mol2和受体pdb格式文件的获取与存放）；2）文件处理（蛋白受体加氢保存为pdb/pdbqt格式，配体转换为pdbqt格式）；3）对接盒子设置（调整三维盒子尺寸并保存gpf参数文件）。关键注意点包括：正确设置工作路径、保持文件格式规范、合理设置盒子尺寸（完整包裹目标结构且不过大）以及避免文件覆盖。这些准备工作为后续分子对接计算奠定了基础。
2025-10-01 04:32:55
557
原创 【26.获得小分子药物配体文件】
摘要：获取小分子药物配体文件时需确保工作路径不含中文。通过PubChem等网站搜索目标药物，下载2D结构的SDF文件后，使用3Dbio或ChemBio3D软件进行3D结构优化，运行MM2能量最小化计算生成最低能量构象，最终保存为MOL2格式文件。注意文件覆盖和路径一致性，优化过程可能需要数分钟。（97字）
2025-10-01 04:14:28
544
原创 【27.蛋白受体的处理】
文章摘要：本研究通过蛋白受体处理流程，从基因差异分析结果中筛选高表达基因IFNAR1（UniProt编号P17181），利用UniProt和PDB数据库获取其晶体结构文件（3S98）。使用PyMOL软件去除溶剂和有机分子后，保存为纯净PDB格式（Protein_gene_receptor_processed.pdb）用于后续分子对接。重点介绍了基因选择标准、数据库查询技巧和蛋白处理步骤，为蛋白-配体相互作用研究提供标准化操作流程。（149字）
2025-10-01 04:10:11
565
原创 使用Gromacs进行蛋白和配体小分子的动力学模拟+结果分析全流程教程
先选protein，选择non-water，使用pymol打开delWater.pdb，输入util.ss('all')展示cartoon，点击file-Export Moive as-MPEG。这一步完成后，文件夹中会出现以下三个文件，其中gro 文件用于记录蛋白的初始坐标，top 文件记录蛋白的拓扑信息和力场信息，itp 与top文件类似。接下来使用Spdbv软件打开蛋白，如果蛋白中存在原子缺失情况，就会出现以下的提示，如果不存在就不会显示，同时保存为rep.pdb。
2025-09-27 07:50:49
2743
2
前列腺癌GWAS研究（GCST006085）29892016-GCST006085-EFO-0001663-build37.f
2024-09-25
py -m pip install nvidia-cudnn-cu12
2024-09-24
01-MorphableModel.mat
2023-06-05
mxnet==1.7.0.post2
2022-06-07
torchvision-0.11.1+cu113-cp38-cp38-win_amd64
2022-06-02
org.Hs.eg.db_3.5.0.tar.gz下载一直报错
2022-05-26
Chromoblastomycosis
2022-05-10
SEER数据库简介 Documentation of SEER*Stat Variables
2022-05-09
pycocotools_windows-2.0.0.2-cp38-cp38-win_amd64.whl
2022-05-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人