- 博客(9)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 使用PyTorch来进行肺癌早期检测：4、通过指标和数据增强来提升训练
上一节我们的模型得出结论：得到99.7%的正确率，但是非结节100%正确，但实际的结节100%是错误的，网络只是把所有的东西都归类为非结节。99.7%的值仅仅意味着只有大约0.3%的样本是结节。说明正负样本偏差过大。这一节主要是介绍一些评估模型的指标，以及数据增强来提升模型训练效果。
2023-03-21 17:33:15
878
5
原创 使用PyTorch来进行肺癌早期检测：3、训练模型
这章主要是训练模型的代码，书中的意思是先构建出一个CNN模型，不管模型效果，后期对模型和数据进行修改，完善。
2023-03-15 17:40:56
1267
7
原创 使用PyTorch来进行肺癌早期检测：2、数据集准备
这部分内容主要是数据集准备，加载原始CT扫描数据，并将其转换为可以使用PyTorch处理的数据格式。
2023-03-09 17:24:48
1510
原创 使用PyTorch来进行肺癌早期检测：1、项目、数据集介绍
最近在阅读《PyTorch深度学习实战》这本书，这本书的第二部分是一个关于肺癌早期预测的项目，接下来的时间将对这个项目进行一个复现，并一起探究一些书中未讲解或有疑问的一些问题。
2023-03-09 16:59:57
1267
原创 联邦学习中非独立同分布（No I.I.D.）几种情况
介绍了当前联邦学习中非独立同分布的几种分类，从Dataset drift切入，然后举例介绍了5种分类的区别。
2022-09-30 15:42:58
9964
2
原创 使用python pipeline 实现FATE三方横向逻辑回归
基于FATE平台，使用python pipeline模型实现三方（多方）横向逻辑回归，欢迎大家讨论
2022-08-09 16:06:30
1825
9
原创 使用Docker-Compose方式部署KubeFATE集群
本文的目的就是方便大家能够快速部署，在部署上少走弯路。通过docker-compose部署KubeFATE，并进行测试，同时利用一个小的模型例子，进行在线推理
2022-07-19 11:27:59
2391
17
原创 【阅读笔记】Towards Personalized Federated Learning个性化联邦综述
个性化联邦学习综述，介绍了当前非独立同分布的数据情况，以及相应的解决方案、论文。同时也对PFL进行了分类，四大类、十小类，方便相关研究人员针对性的学习
2022-07-15 11:30:02
4995
原创 【阅读笔记】联邦学习实战第5章——用FATE从零实现横向逻辑回归v1.8.0
本文主要以《联邦学习实战》第五章为基础，介绍了FATE单机版的部署，以及横向逻辑斯蒂回归的实现。FATE版本为v1.8.0。调整了书中的dsl流程，增加了测试集数据评估的流程。
2022-06-20 10:44:19
1964
6
空空如也
python rename 修改带有逗号的列名
2021-08-18
TA创建的收藏夹 TA关注的收藏夹
TA关注的人