<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[eyetr的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/eyetr</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; eyetr]]></copyright><item><title><![CDATA[用SimpleITK读取dicom格式的图像]]></title><link>https://blog.youkuaiyun.com/eyetr/article/details/123353114</link><guid>https://blog.youkuaiyun.com/eyetr/article/details/123353114</guid><author>eyetr</author><pubDate>Tue, 08 Mar 2022 14:32:24 +0800</pubDate><description><![CDATA[一、读取单张dicom图像
file = sitk.ReadImage(filepath) #读取dicom文件
file.GetSize() # 大小
file.GetOrigin() # 坐标原点
file.GetSpacing() # 像素间距
file.GetDirection() # 方向
file.GetMetaDataKeys() #获取元数据，以字典的形式存储
#循环方式读取字典中的值
for key in file.GetMetaDataKeys():
    print(file.Get]]></description><category></category></item><item><title><![CDATA[好论文的几个要点]]></title><link>https://blog.youkuaiyun.com/eyetr/article/details/123330990</link><guid>https://blog.youkuaiyun.com/eyetr/article/details/123330990</guid><author>eyetr</author><pubDate>Mon, 07 Mar 2022 15:20:19 +0800</pubDate><description><![CDATA[总述

前四条规则可以应用于一篇论文的所有部分。
中间四条规则涉及论文每个主要部分的主要目标。
最后两条规则为有效构建论文原稿提供了过程启发式的指导。
总之，写文章就像在写故事，完整的叙述一个故事才会把文章写的生动。
规则1：文章要有一个明确的中心思想，并要出现在文章的标题中
如果你的读者在一年之后，仍能向他们的同事描述你文章中的中心思想，那表明你的沟通工作卓有成效。虽然我们需要在文章中描述大量的创新点，但是着眼于一条单一的信息更加重要。同时关注过多的贡献会使得文章缺乏说服力，并变得难以记忆。
标题是文章中]]></description><category></category></item><item><title><![CDATA[深度学习调参的经验]]></title><link>https://blog.youkuaiyun.com/eyetr/article/details/123323863</link><guid>https://blog.youkuaiyun.com/eyetr/article/details/123323863</guid><author>eyetr</author><pubDate>Mon, 07 Mar 2022 10:19:57 +0800</pubDate><description><![CDATA[本文多个来源总结而成。调参技巧包括CNN RNN。
1
总结一下在旷视实习两年来的炼丹经验，我主要做了一些 RL，图像质量，图像分类，GAN 相关的任务，日常大概占用 5 - 10 张卡。
可复现性和一致性
有的同学在打比赛的时候，从头到尾只维护若干份丹方（代码），每次载入前一次的训练参数，调一下丹方再炼，俗称老丹。这样会有几个问题：某次引入一个 bug，过了很久才发现，然后不知道影响范围；炼出一个金丹，但是不知道它是怎么来的；忘了自己的 baseline，不知道改动是正面还是负面。
要尽可能确保每一个丹有]]></description><category></category></item><item><title><![CDATA[ChannelAttention, SpatialAttention, and SEAttention代码]]></title><link>https://blog.youkuaiyun.com/eyetr/article/details/123285343</link><guid>https://blog.youkuaiyun.com/eyetr/article/details/123285343</guid><author>eyetr</author><pubDate>Fri, 04 Mar 2022 21:18:02 +0800</pubDate><description><![CDATA[class ChannelAttention(nn.Module):
    def __init__(self,channel,reduction=16):
        super().__init__()
        self.maxpool=nn.AdaptiveMaxPool2d(1)
        self.avgpool=nn.AdaptiveAvgPool2d(1)
        self.se=nn.Sequential(
            nn.Conv2d(channe]]></description><category></category></item></channel></rss>