AI的博客

原创 MMSegmentation实现病理肿瘤分割全流程

MMSegmentation（MMseg）是OpenMMLab团队开发的语义分割开源工具，特别适用于病理影像分析。文章详细介绍了使用MMseg进行病理肿瘤分割的全流程：1）环境配置与数据准备，推荐将WSI大图预处理为patch；2）模型训练配置，支持UNet、DeepLabV3等架构的patch级训练；3）关键实现——滑动窗口推理（inference_sliding），可高效处理超大医学图像，通过设置crop_size和stride实现全图分割；4）结果可视化与评估。文中提供了完整的代码示例，并针对病理影像

原创 MONAI实现病理影像肿瘤检测全流程

本文介绍了使用MONAI框架实现病理全切片图像（WSI）肿瘤检测的完整流程。主要包括：1）通过WSIPatchDataset构建WSI分块数据集；2）使用UNet模型进行训练；3）采用滑动窗口推理（sliding_window_inference）实现全图分割；4）结果可视化与掩膜生成。文章详细说明了环境配置、数据预处理、模型定义、训练过程和推理方法，并提供了兼容OpenSlide处理超大病理图像的解决方案。特别强调了内存管理、多通道处理和数据对齐等关键注意事项，适合开发者快速实现WSI肿瘤检测的二次开发。

原创 深度学习图像预处理：统一输入图像尺寸方案

本文总结了图像分类和分割任务中处理不同尺寸输入的常见方法。在分类任务中，主要采用直接缩放、缩放+裁剪、随机缩放裁剪、填充后缩放或自适应池化等方式，各有优缺点。分割任务需确保图像和掩码同步变换，常用固定大小缩放裁剪、保持长宽比填充、随机裁剪小块或全卷积结构处理。关键是要保持图像和标签的空间对应关系，mask需使用最近邻插值。实际应用中，训练时通常采用固定尺寸处理以保证批量训练效率，推理时可灵活应对不同分辨率。根据不同需求（训练速度、保留比例或增强多样性）可选择或组合这些方案。

原创 SSH开启Socks5服务

如果返回的是代理服务器的公网 IP，就说明 SOCKS5 代理正常工作。客户端配置：将浏览器或其它工具的 SOCKS5 代理地址设为。：在所有网卡监听 1080 端口，作为 SOCKS5 代理。：后台运行、只做端口转发不执行远程命令。（可选）如果你只想本机访问，改用。安装 Dante-server。要允许外部机器连入，保持。安装并启动 SSH 服务。服务器IP:1080。服务器IP:1080。

原创 SSH隧道远程连接局域网的电脑

背景：我有一台公网ip的Ubuntu服务器，地址是：8.137.100.101，内网地址是：192.168.3.100。另外我有一台Windows 10的电脑打开了远程桌面登录，内网地址是：192.168.3.50。（无需安装任何程序，也无需提前配置）如果有一台具有公网IP地址（8.137.100.101）的Ubuntu服务器和一个位于同一内网（192.168.3.x）的Windows 10电脑，可以通过SSH隧道来实现远程连接到Windows 10电脑。可以是选择的任意未被占用的端口，例如。

原创 Ubuntu 22.04自动登录进入桌面

（自动登录，主要用于MSTSC远程桌面连接）登录后，还需要输入一次密码才能正常连接。

原创 Pytorch使用DataLoader, num_workers!=0时的内存泄露

我在做一个超大数据集的多分类，设备Ubuntu 22.04+i9 13900K+Nvidia 4090+64GB RAM，第一次的训练的训练集有700万张，训练成功。找了很久的原因，发现内存随着训练step的增加而线性增加，猜测是内存泄露，最后定位到了DataLoader的num_workers参数（只要num_workers=0就没有问题）。Python中的list转换成tensor时，会发生内存泄漏，要避免list的使用，可以通过使用np.array来代替list。3.正确的重写Dataset方法（）

原创 Ubuntu LabelMe AI 识别

labelme

原创 SSH在桌面会话启动应用程序

但为了确定，你可以运行以下命令查找活跃的。列中，你可以看到对应每个登录用户的。在大多数情况下，主桌面会话的。

原创 申请HTTPS证书

Certbot 支持多种方式来验证您的域名所有权，包括通过 HTTP、DNS 等。如果您使用的是 Nginx 或 Apache，Certbot 甚至可以自动配置您的服务器。这里，/var/www/html 是您网站的 web root 目录。Certbot 将在这个目录下创建一个临时文件，以完成 HTTP 验证。一种常用的方式是使用 webroot 插件。首先，您需要在您的服务器上安装 Certbot。这个过程依赖于您的操作系统。

原创 Ubuntu22.04 LTS+NVIDIA 4090+Cuda12.1+cudnn8.8.1

【代码】Ubuntu22.04 LTS+NVIDIA 4090+Cuda12.1+cudnn8.8.1。

原创 Ubuntu安装和卸载显卡驱动

【代码】Ubuntu安装和卸载显卡驱动。

原创 Ubuntu CUDA runtime implicit initialization on GPU:0 failed. Status: out of memory

Ubuntu CUDA runtime implicit initialization on GPU:0 failed. Status: out of memory

原创 Visio 保存高质量的PDF

1.在visio中，直接选择“文件”->选"打印"；2.打印机选Adobe PDF（或Microsoft Print to PDF）；3.仅打印当前页面；4.页面设置（关键）；5.打印纸张如果选择A0，打印缩放比就选为400%；如果是A2，就选200%。6.打印保存为电子版，完成。说明：1.纸张越大，经过缩放填充满整个纸张后，电子打印出的pdf就越清晰；2.先点击“应用”，可以查看纸张是否填充满当前纸张的页面。...

原创 Ubuntu 18.04 从1080Ti升级到3090辛酸历程

１．卸载原有显卡驱动sudo apt-get purge nvidia*或者 sudo apt-get remove --purge nvidia*２．查看可用驱动:ubuntu-drivers devices(base) jack@JACK429:~$ ubuntu-drivers devices== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==modalias : pci:v000010DEd00002204sv00.

原创 Ubuntu远程ssh维护teamviewer

1.下载teamviewerhttps://www.teamviewer.cn/cn/download/linux/wget https://dl.teamviewer.cn/download/linux/version_15x/teamviewer_15.9.4_amd64.deb2.安装teamviewersudo dpkg -i teamviewer_15.9.4_amd64.deb解决依赖问题：sudo apt-get install -f3.配置teamviewer文

原创 测试tensorflow-gpu的GPU代码，观察显卡占用情况判断

# import tensorflow as tf## sess = tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(log_device_placement=True))# 如果为False, 检查tensorflow-gpu、cudatoolkit和cudnn版本是否对应一致# print(tf.test.is_gpu_available())from __future__ import print_function'''Ba.

原创 keras plot_model函数画网络结构图,问号？?改成None

Ubuntu找这个目录文件anaconda3/envs/yourEnv/lib/python3.7/site-packages/tensorflow_core/python/keras/utils/vis_utils.pyWindows找这个目录文件Anaconda\envs\yourEnv\Lib\site-packages\tensorflow\python\keras\utils\vis_utils.py问题出在vis_utils.py文件中下面这个函数上面def format_

原创 深度学习模型运行的浮点次数FLOPs和训练参数程序获取方法

# 浮点运行次数# FLOPS：注意全大写，是floating point operations per second的缩写，意指每秒浮点运算次数，理解为计算速度。是一个衡量硬件性能的指标。# FLOPs：注意s小写，是floating point operations的缩写（s表复数），意指浮点运算数，理解为计算量。可以用来衡量算法/模型的复杂度。# In TF 2.x you have to use tf.compat.v1.RunMetadata instead of tf.RunMetada.

原创 Medical Imaging可投期刊和会议

期刊TMI: IEEE Transactions on Medical Imaginghttps://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=42Medical Image Analysishttps://www.journals.elsevier.com/medical-image-analysis/会议1 M...

原创 学习笔记（一）什么是梯度？为什么要正则化？偏差（Bias）和方差（Variance）的关系？为了更小的误差（error）,如何选择模型?

一、什么是梯度？答：▽ L就是梯度（如图），三角形符号倒过来（▽ ）是梯度算子（在空间各方向上的全微分）二、为什么要正则化？

原创 计算机论文撰写专用术语

夸自己方法好1.We demonstrate that our approach significantly outperforms state-of-the-art techniques and closely matches the performance of human annotators.我们展示了我们的方法显著地优于最先进的技术，并且与人类标注的性能非常接近。2.Our ...

原创 SCI论文写作引导

1.论文Introduction怎么写？a.背景介绍，现状(介绍别人研究)，存在问题，怎样解决，你的做法，有何亮点b.研究背景和重要性、引出该领域科研空白、点题—指出本文的研究课题、概述文章的核心方法论和主要发现、提出猜想和研究目的c.最后，总结一篇article的introduction 应该包括下面几个部分：1. 研究范围，研究目标，为什么选择这个研究目标。2. 研究背景...

原创 Conda 使用技巧

# 使用conda创建虚拟环境conda create -n env_name python=3.7 cudatoolkit=10.0 cudnnpip install tensorflow-gpu==2.0.0pip install keras

原创 【医学影像】1.医学影像知识介绍

【影响因子最高的计算机科学期刊（前50种）】1.IEEE Transactions on Medical Imaging 链接影响因子：3.922 2.Medical Image Analysis 链接影响因子：3.2123.Journal of the American Medical Informatics Association影响因子：2.6124.【图...

原创 【leetcode】时间复杂度

原创 浏览器Console下，cookies更新

function UpdateCookies(cookies){ datas = cookies.split(";"); for(var i=0; i<datas.length; i++) { document.cookie = datas[i]; } return "success";};cookies = "your new...

原创 10.逻辑回归-下采样、过采样、交叉验证

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom sklearn.preprocessing import StandardScalerfrom sklearn.model_selection import train_test_splitfrom sklearn.linear_model ...

原创 9.机器学习模型评价指标

　　1）正确率（accuracy）　　正确率是我们最常见的评价指标，accuracy = （TP+TN）/(P+N)，这个很容易理解，就是被分对的样本数除以所有的样本数，通常来说，正确率越高，分类器越好；　　2）错误率（error rate)　　错误率则与正确率相反，描述被分类器错分的比例，error rate = (FP+FN)/(P+N)，对某一个实例来说，分对与分错是互斥事...

原创 8.基础绘图

1.离散点图代码：import numpy as npimport pandas as pdimport matplotlib.pyplot as pltpath = 'LogiReg_data.txt'data = pd.read_csv(path, header=None, names=['Exam1', 'Exam2', 'Admitted'])# 正例positi...

原创 【leetcode】8. 字符串转整数 (atoi)

题目描述：实现 atoi，将字符串转为整数。原题链接该函数首先根据需要丢弃任意多的空格字符，直到找到第一个非空格字符为止。如果第一个非空字符是正号或负号，选取该符号，并将其与后面尽可能多的连续的数字组合起来，这部分字符即为整数的值。如果第一个非空字符是数字，则直接将其与之后连续的数字字符组合起来，形成整数。字符串可以在形成整数的字符后面包括多余的字符，这些字符可以被忽略，它们对于函数没...

原创 【leetcode】7. 反转整数

题目描述：给定一个 32 位有符号整数，将整数中的数字进行反转。方法：弹出和推入数字 & 溢出前进行检查思路我们可以一次构建反转整数的一位数字。在这样做的时候，我们可以预先检查向原整数附加另一位数字是否会导致溢出。方案一#include<iostream>using namespace std;//常规方案int reverse(int number...

原创 【leetcode】排序算法笔记

1.冒泡排序（Bubble Sort）   //冒泡排序void BubbleSort(int *a, int length){ for (int i = 0;i < length - 1;i++) { for (int j = 0;j < length - i - 1;j++) { if (a[j] > a[j + 1]) ...

原创 【leetcode】6. Z字形变换

方法一：建立一个二维向量，然后用字符串去一步一步填这个向量，最后输出。效率极低（132 ms，仅战胜%2的提交记录）#include<iostream>#include<string>#include<vector>using namespace std;string convert(string s, int numRows){ int ...

原创 【leetcode】动态规划之01背包问题

先学会手动填动态规划的表 后面的颜色块值是根据前面的颜色块值计算出来的，不懂就留言#include<iostream>#include<vector>using namespace std;int Knapsack(vector<int> weights, vector<int> values, int capacity){ ...

原创 【leetcode】5. 最长回文子串

我们就可以在 O(n^2)O(n2) 的时间内解决这个问题。我们观察到回文中心的两侧互为镜像。因此，回文可以从它的中心展开，并且只有 (2n - 1 )个这样的中心。你可能会问，为什么会是 2n - 12n−1 个，而不是 nn 个中心？原因在于所含字母数为偶数的回文的中心可以处于两字母之间（例如 “abba”的中心在两个‘b’ 之间）。示例代码：#include<iost...

原创 【leetcode】4. 两个排序数组的中位数

做不来

原创 【leetcode】3. 无重复字符的最长子串

#include<iostream>#include<string>#include<math.h>#include<unordered_set>using namespace std;方法一：暴力法思路逐个检查所有的子字符串，看它是否不含有重复的字符。算法假设我们有一个函数 boolean allUnique(Stri...

原创 【leetcode】415. 字符串相加（大整数相加）

#include<iostream>#include<string>#include<vector>using namespace std;string Add(string num1, string num2){ //保证a永远是最长的那个字符串 if (num1.size() < num2.size()) { string tem...

原创 【leetcode】2. 两数相加

#include<iostream>using namespace std;struct ListNode { int val; ListNode *next; ListNode(int x) : val(x), next(NULL) {}};//方法一（不推荐）：ListNode* addTwoNumbers(ListNode* l1, ListNode* l2...