本文记录了研究生三个月以来的学习心得，涉及全连接网络与卷积网络的关系、生成对抗网络在图像分割的应用，以及Python实用函数和PyTorch中的数据处理技巧。重点探讨了标准化、归一化、正则化的区别与联系，并解析了PyTorch中transforms.Normalize的计算过程。此外，还分享了自监督学习的代码参考及医学图像分割的最新研究。
2022/11/23 7:24
研究生的生涯已经开始三个月了，自己并没有一个很明确而充实的规划，学习也显得效率很低。
先写点小trick，之后在这学期期末整体进行总结
全连接网络和卷积网络的关系
生成对抗网络（GAN）在分割上的应用
一些好用的函数（方法 ）
标记轮廓：
Python skimage.segmentation.find_boundaries 用法及代码示例
Python 中 typing 模块和类型注解的使用：
标准化、归一化、正则化 的区别与联系：
标准化、归一化、正则化 的区别与联系
pytorch中归一化transforms.Normalize的真正计算过程
pytorch中的Dataloader以及可视化理解：
dataloader
自监督学习很好的代码参考
Mean teachers代码分析
Patch-Free 3D Medical Image Segmentation（MICCAI 2021）
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
