AI夏令营|脑PET图像分析和疾病预测挑战赛Task1

AI环境配置

跟着视频以及文本教程,很容易就完成了环境的配置。但是其中有两部分没有实现。

1、修改Powershell执行策略

尝试过几次,在Windows PowerShell(管理员)上都没有反应。
因为觉得命令行无关紧要,所以放弃这一步。
在这里插入图片描述

2、 查看当前 GPU 支持的最高 CUDA 版本

首先在 Anaconda Powershell Prompt 中输入:

nvidia-smi # 查看当前 GPU 支持的最高 CUDA 版本

出来的结果如下:
在这里插入图片描述
百度了一下这个问题,发现只有知乎上的一个方法。(但是也没什么卵用)

解决:nvidia-smi : 无法将“nvidia-smi”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。

不过没关系,弹幕大佬解决了这个疑虑。这一步也是没必要的。
因为我只是轻薄本,在下载Pytorch的时候选择CPU就行了。

conda install pytorch torchvision torchaudio cpuonly -c pytorch

文本教程
视频教程

全流程基础实践

通过教学视频(和上面视频教程是一个链接)大概了解了这次学习和比赛的流程,以及跟着视频跑了一遍并上传了结果,评分如下:
在这里插入图片描述
代码
期待下一次课程直播,学习CNN的方法,实现评分的提高。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
2020年科大讯飞pet图像分析疾病预测比赛吸引了众多来自全国各地的优秀选手参与,其中脱颖而出的三支队伍值得一提。 第一名队伍:团队名称“智拍医生”。他们凭借精湛的图像分析疾病预测技术,以及出色的团队协作能力,在比赛中获得了第一名的成绩。他们利用深度学习框架和大量的训练数据,成功设计出一套高效准确的pet图像分析算法,能够快速识别和定位疾病相关区域。同时,他们还应用多种机器学习算法,通过对大量数据的模式分析和特征提取,开发出了一套可靠的疾病预测模型。 第二名队伍:团队名称“尖叫壁纸”。他们队伍由一群年轻的学生组成,展现了惊人的创造力和实验精神。他们基于深度学习网络构建了一个高效的pet图像分析模型,并成功实现了部异常区域的自动分割和分类。此外,他们还结合了医学图像处理和人工智能算法,设计出一套智能辅助诊断系统,能够帮助医生快速准确地预测和诊断疾病。 第三名队伍:团队名称“智能AI”。他们队伍由一群经验丰富的研究人员组成,他们的团队在前沿的图像分析和医学影像处理领域具有深厚的技术积累。他们通过大量的pet图像数据和医学知识,结合机器学习和深度学习技术,开发了一套快速准确的pet图像分析疾病预测算法。他们的团队成员分工明确,高效协作,充分发挥了各自的专业优势,取得了令人瞩目的成绩。 可见,这三支队伍在科大讯飞pet图像分析疾病预测比赛中表现出色。他们的创新思维、技术实力和团队合作精神为医学影像处理和疾病诊断领域带来了新的突破和进步。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值