- 博客(127)
- 资源 (15)
- 收藏
- 关注
RSS订阅
原创 Git常见命令(持续更新)
# Gitee/Github用Git创建以及上传git config --global user.name ' Github用户名 ' # 设置用户名git config --global user.email "you@example.com" # 设置用户邮箱git init # 初始化 git status #
2022-04-25 11:55:24
233
原创 Ubuntu系统命令笔记(持续更新中)
1.ubuntu的nvidia驱动安装：nvcc -V #查看系统是否已经有驱动，cuda等ubuntu-drivers devices # 查看系统适合的驱动版本sudo ubuntu-drivers autoinstall # 自动下载对应的版本sudo dpkg --list | grep nvidia-* # 查看系统显卡的版本cd /usr/srcls # 获取自动安装的显卡驱动详细版本，如430.63.01sudo apt-get install d
2021-09-29 21:33:46
1155
1
原创 Python常用命令整理
1.管理Conda(1)检查conda版本conda --version(2)升级当前版本condaconda update conda2.管理（虚拟）环境(1)创建环境# 创建一个名为python3的环境，指定Python版本是3.8（不用管是3.8.x，conda会为我们自动寻找3.8.x中的最新版本）conda create --name python3 python=3.8# 安装好后，使用activate激活某个环境activate python3 # for Windows
2020-10-24 23:26:50
1142
1
转载 近100场大模型比赛，拆解大模型发展热点
本文总结了近100场大模型比赛，探讨了大模型技术在各个领域的应用和竞赛情况，包括逻辑推理、安全问题、行业应用、硬件落地、人机区分以及多模态大模型等，为大模型的研究和应用提供了丰富的索引和视角。文章还分析了大模型竞赛的趋势和热点，以及如何通过比赛推动大模型技术的发展。
2024-09-25 23:25:03
1229
原创 深度学习训练过程中出现loss为nan的排查思路
最常见的就是出现了除0或者log0这种，看看代码中在这种操作的时候有没有加一个很小的数，但是这个数数量级要和运算的数的数量级要差很多。在optim.step()之前裁剪梯度。
2024-09-01 16:43:20
558
原创 我的创作纪念日
还记得 2019 年 07 月 07 日，当时在参加一个比赛需要用到云服务器，由于第一次接触所以在网上找了很多云服务器的注册和配置教程，但是发现很多分享都写的不够全面，于是萌生了把整个配置过程撰写成一篇博客分享出来的想法。自此我的第 1 篇技术博客：《滴滴云服务器的注册与快速配置教程》诞生了，而也正是从那开始，我开始了我的分享之旅。在创作的过程我认为最大的收获便是培养了自己对知识的梳理和归纳能力，同时将博客作为的平时的随记，也方便了后期的查看。希望未来能够继续保持创作的热情与动力。
2023-07-08 23:12:39
380
原创 Pytorch的hook技术——获取预训练/已训练好模型的特定中间层输出
Pytorch的hook技术——获取预训练/已训练好模型的特定中间层输出
2023-02-08 23:13:29
2451
原创 医学影像数据格式nii到dicom互转方法汇总
Github:https://github.com/wanderine/nnunetdocker/blob/master/convert_to_RTSTRUCT.py
2022-07-07 23:29:08
4000
原创 分割模型nnUNet学习日记（三）：nnUNet参数batch_size和patch_size的修改方式
分割模型nnUNet学习日记（三）：nnUNet参数batch_size和patch_size的修改方式
2022-07-03 20:35:53
6617
4
原创 分割模型nnUNet学习日记（一）：在Ubuntu系统下如何快速使用nnUNet跑通自己的数据
分割模型nnUNet学习日记（一）：在Ubuntu系统下如何快速使用nnUNet跑通自己的数据
2022-07-02 18:45:15
5296
6
原创 使用opencv实现16位图转8位图
最近在处理一批.tif格式的数据，但是由于设备导出的数据是16位图，因此一般图片查看器打开都是一片黑。采用opencv实现16位tif图转换成8位图
2022-06-02 21:25:41
4527
5
原创 PyQT大法
学习网站：https://www.byhy.net/tut/py/gui/qt_01/；https://www.bilibili.com/video/BV1cJ411R7bP.PyQT配置：https://blog.youkuaiyun.com/liupeng19970119/article/details/104281766；https://blog.youkuaiyun.com/weixin_44593822/article/details/112199746.QT designer：https://blog.c
2022-05-10 20:16:17
281
原创 Win10多用户同时远程桌面，并各自操作互不干扰
微软Server版操作系统默认是支持多用户登陆的，例如Windows Server 2012，而Win10操作系统正常情况下是不允许用户同时远程的，即一个用户远程进来会把另一个用户踢掉，因此需要破解才能使得多个用户同时登陆远程桌面。也即需要安装一个破解补丁，根据RDPWrap补丁的原理，简单来说就是：修改termsrv.dll和termsrv.dll.mui这两个远程服务文件，达到多用户远程登陆的目的。可以把其它操作系统上的termsrv.dll和termsrv.dll.mui这两个文件提取出来，然后替换本
2022-03-06 00:13:06
39951
4
原创 影像基础-----CT-MRI图像的特点和临床应用
CT图像的特点1.CT图像是数字化模拟灰度图像CT图像是经数字转换的重建模拟图像，是由一定数目从黑到白不同灰度的像素按固有矩阵排列而成。这些像素的灰度反映的是相应体素的X线吸收系数。如同X线图像，CT图像亦是用灰度反映器官和组织对X线的吸收程度。其中黑影表示低吸收区，即低密度区，如含气的肺组织；灰影表示中等吸收区，即中等密度区，如软组织的肌肉或脏器；白影表示高吸收区，即高密度区，如含钙量高的骨组织。2.CT图像具有高的密度分辨力与传统X线图像不同，CT图像的密度分辨力高，相当于传统X线图像的10～
2022-02-21 22:54:31
11563
原创 【Python】实现图片切成patch，以及有间隙的拼接代码
图片的切分import os.pathfrom PIL import Imageimport sysimport torchvision.transforms as transforms# 图片的切块def cut_image(image, patch_num): width, height = image.size item_width = int(width / patch_num) box_list = [] # (left, upper, right,
2022-02-20 15:08:23
3953
11
原创 深度学习3D可视化工具——Zetane Engine
神经网络在工作的时候，里面到底是什么样？为了能透视这个“AI黑箱”中的过程，加拿大蒙特利尔一家公司开发一个3D可视化工具Zetane Engine。只需要上传一个模型，Zetane Engine就可以巡视整个神经网络，并且还可以放大网络中的任何一层，显示特征图，看清流水线上的每一步。目前Zetane Engine不同系统的版本都可以在GitHub网站zetane中找到，不同版本的下载地址(左图为卷积层的特征图，右图为特征图的3D可视化)可视化AI工作流程首先，我们需要上传一个模型，上
2022-02-19 20:36:37
9630
14
原创 Python将模型参数文件(.pth/.pkl等)转换为ONNX格式
import torchimport pickleimport numpy as npmodel_path = r'./sVGG16.pkl' # 模型参数路径 dummy_input = torch.randn(1, 3, 256, 256) # 先随机一个模型输入的数据model = sVGG16() # 定义模型结构，此处是我自己设计的模型checkpoing = torch.lo
2022-02-19 16:56:38
4342
2
原创 【分类模型评价】宏平均（macro avg）、微平均(micro avg)和加权平均(weighted avg)
当我们使用 sklearn.metric.classification_report 工具对模型的测试结果进行评价时，会输出如下结果：对于 精准率（precision ）、召回率（recall）、f1-score，他们的计算方法很多地方都有介绍，这里主要讲一下micro avg、macro avg 和weighted avg 他们的计算方式。1、宏平均 macro avg:对每个类别的 精准、召回和F1 加和求平均。精准macro avg=(P_no+P_yes) / 2=(0.24+0.73)
2022-02-14 11:28:04
19044
2
原创 医学图像特征激活图可视化库MedCAM
官网：https://meclabtuda.github.io/M3d-Cam/medcam/medcam_inject.htmlGithub网址：https://github.com/MECLabTUDA/M3d-Cam安装可直运行：pip install medcam# 或者conda install -c conda-forge medcam例子代码：# Import M3d-CAMfrom medcam import medcam# Init your model and da
2022-01-23 22:10:10
2119
1
dicompyler使用的DICOM / DICOM RT的核心放射治疗Python模块库
2022-11-07
surface-distance-master.zip
2020-08-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人