闪闪发光的博客

中建立自己的网络模型，也可以复制别人的模型，在其基础上修改为自己的模型。复制一份，重新命名为自己的训练器。

Matplotlib直接加载字体不能识别，需要把字体Times New Roman添加到 Matplotlib 的字体管理器中。Matplotlib画图的默认字体是ejaVu Sans，现在需要将字体修改为Times New Roman。

word版本为官网下载。

文件 -> 选项 -> 加载项 -> 转到 -> 选中”分析工具库“和”分析工具库-VBA“ -> 确定。数据 -> 数据分析 -> t-检验：双样本等方差假设 -> 确定。

进入wandb网址，登陆你的账号。终端再次运行训练程序即可。

输入input的批量(batch size)，批量的大小不会影响参数量，但是会影响计算量， 计算量是batch_size=1的倍数；图像的尺寸也会影响计算量；profile(MODEL, (input,))的 (input,)中必须加上逗号，否则会报错。

双卡运行时，内存占用不到50%，但是GPU利用率达到84%。

PyTorch默认会跟踪张量的操作历史，以便计算梯度，但是原地操作会破坏操作历史，导致无法计算梯度。在计算梯度的时候检查出某个Variable有被一个 inplace operation 修改。报错信息会更加具体提示是网络那部分梯度计算出现问题。

使用更低精度的数据类型：将模型参数和激活值从32位浮点数（float32）转换为16位浮点数（float16），可以减少显存的使用。减少每次训练或推理时的批次大小，以降低显存的需求。较小的批次大小可能会增加训练时间，但可以减少显存压力。如果你使用的是大型模型，可以尝试减少模型的大小，以减少显存使用量。如果你有多个GPU可用，可以尝试使用多卡训练。这样可以将模型的不同部分分配到不同的GPU上，从而减少单个GPU上的显存需求。在报错的哪一行代码的上面，加上下面两行代码，释放无关的内存。

这个错误是由于 PowerShell 执行策略限制导致的。在 Windows 上，默认情况下，PowerShell 的执行策略是 Restricted，不允许运行脚本。为了解决这个问题，你可以选择修改 PowerShell 的执行策略或者使用其他方法激活虚拟环境。双击 Icon -> 输入地址格式如下：（找到你自己安装VS Code的Code.exe的路径）此操作在C盘或是D盘下执行都可以，我们的python是安装在D盘下的。打开注册表：win + R，然后输入regedit，确定；

目前解决的问题是用 PyTorch 1.7.0，Pytorch 1.10.1 也可以。使用label=torch.argmax(label, dim=1) ，其中dim=1表示通道维度，亲测有效！以上的环境是必须要按照作者要求的安装，如果换其他的版本，就可能会出错。这里可选择conda安装，也可以pip安装，我一般选择pip 安装，conda 安装有时候不成功。安装PyTorch必须找到对应的cuda，所以先查看自己的服务器CUDA。以上，安装完代码需要的所有依赖，就可以训练或是测试了。

在带有多GPU的机器上运行代码，只要在原始单GPU代码中模型定义完成后面，添加以下代码即可，这样会默认在所有的GPU上进行训练，特别注意：若banchsize=30，则在单GPU上是30个样本一组进行训练，在2个GPU上并行训练，则是每个GPU上15个样本，以此类推。所以可以考虑增加banchsize的值，即设置为30*GPU个数。

read me。

PyTorch版本的问题。

影像学检查是目前诊断微小肝癌和小肝癌的主要方法，临床上多采用超声、CT、MRI相结合的手段以提高检出率。其中，磁共振检查无辐射，对原发性肝癌的诊断更加精准，能够在早期对小肝癌进行诊断，提升患者的生存期和生活质量，因此具有重要的临床应用价值。此外，各影像手段的联合应用也是我们强调的一个重要维度，对患者进行精准的诊断，可以指导临床采取更合理科学的治疗方法。对于本次《原发性肝癌诊疗指南（2024版）》的更新亮点，影像组长曾蒙苏教授首先提到的是，磁共振检查对早期肝癌或小肝癌，甚至微小肝癌的重要性。

nnUNet训练-AutoDL

我们知道相同的图片在不同的显示器上的显示效果可能是不同的。人对图像在不同设备显示的感受对医院诊断有着非常重要的意义。

例如，对于头部CT扫描，较小的扫描层厚和间隔可以提高图像的空间分辨率，对于肺部CT扫描，较大的扫描层厚和间隔可以减少辐射剂量。医生需要了解不同扫描参数的影响，并根据病情和部位选择合适的参数，以获得清晰、准确的CT影像。在解读CT影像时，医生应注意细节和对比。不同病变在CT影像上有其典型的表现特征，医生应学习各种病变在CT上的典型表现，如肿瘤的形态、边界、密度等，感染的炎症表现，出血的密度和分布等。合理使用辐射剂量是保证患者安全的重要因素，医生应根据患者的具体情况和临床需要，选择适当的扫描参数和辐射剂量。

对于同样的输入样本X，我们通过扩充变换、加入噪声等，然后得到输入 teacher、student 网络数据，这样由于加了噪声，所以teacher 和student 的输入有可能是不同的，这样训练出来的网络，同时也让网络具备抗噪声的能力，得到的精度更高。在网络最开始训练阶段，由于参数是随机初始化而来，其对于类别的分类肯定也是大部分不正确的，所以teacher 和student 输出标签不同比较正常，所以一开始的时侯a值得选择，不应该选择太大，应该。此外，还提出了一种先进的框架来逐步利用未标记的图像。

图像分类：应用于图像级分类，在全连接层后接softmax得到分类概率，常用CNN；图像分割：应用于像素级分类，softmax应用于特征通道方向，上采样后对每个像素进行像素级的分类，常用FCN等；目标检测（object detection）：给定一幅图像，只需要找到一类目标所在的矩形框；目标识别（object recognition）：将需要识别的目标，和数据库中的某个样例对应起来，完成识别功能。图片来源于一文读懂图像分类、目标定位、语义分割与实例分割的区别。