fanre的专栏

很简单，搜索pip.ini文件，删掉没用的。

pycharm用了一段时间就卡，虽然不知道是不是缓存的愿意，但感觉清了一会缓存之后就好很多。

实际的参考是根据cityscapsscripts修改的cityscapesScripts/cityscapesscripts/evaluation at master · mcordts/cityscapesScripts · GitHub1、首先编写的C语言脚本volume_resample_impl.c我挺喜欢这个地方加上_impl的，这样方便和打包调用的名称混淆，其他涉及到的细节我就不写了。void volume_resample_nearast( const unsigned

https://numpy.org/doc/stable/reference/generated/numpy.ma.mean.htmlhttps://www.geeksforgeeks.org/numpy-maskedarray-mean-function-python/https://stackoverflow.com/questions/37935954/how-can-i-run-a-numpy-function-percentile-on-a-masked-array/41673347h

def nrrd2nii(in_fn, out_fn=None): if not in_fn.endswith('.nrrd'): logger.info('skipped') else: try: image = sitk.ReadImage(in_fn) if out_fn is None: out_fn = in_fn.replace('nrrd', 'nii.gz') .

def get_center(img): """ This function returns the physical center point of a 3d sitk image :param img: The sitk image we are trying to find the center of :return: The physical center point of the image """ width, height, depth = i.

import unittestclass TestStringMethods(unittest.TestCase): def test_upper(self): self.assertEqual('foo'.upper(), 'FOO') def test_isupper(self): self.assertTrue('FOO'.isupper()) self.assertFalse('Foo'.isupper()) def.

https://arxiv.org/pdf/2002.11430.pdf多模配准最困难的地方：1、多模态或序列的similarity measurement，例如mutual information(MI)，需要binning or quantizing，这样离散化会导致gradient vanishing，2、no ground-truth .在不同强度、噪声、模糊的数据间进行多模配准。引入了：1、gradient loss：鲁棒性更强（across sequences，以及跨模态的大

initial_transform = sitk.CenteredTransformInitializer(sitk.Cast(fixed_image,moving_image.GetPixelID()), moving_image, ...

参考：https://www.cnblogs.com/guoyaohua/p/8674228.html https://www.sohu.com/a/160924449_651893Max pooling的原理：Max pooling在不同的通道深度上分开执行：一）平移不变性二）旋转不变性三）尺度不变性...

参考：https://github.com/IBM/tensorflow-large-model-support该库提供了一种训练大模型的方法，这些模型往往是GPU显存不足，它采用用户自定义的图，并自动添加swap-in和swap-out节点，用于将tensors从GPUs传输到主机设备，反之亦然。计算图是静态修改的。因此，它需要在回话开始前就完成。IBM PowerAI 1.6包含比gi...

参考：https://github.com/openai/gradient-checkpointing https://www.jqr.com/article/000537 https://www.infoq.cn/article/fRN0eVBNedTIrm5_Ps1M使用gradient-checkpointing来节省存储 ...

卷积网络，也叫convent。5.1 卷积神经网络简介#5-1 实例化一个小型卷积神经网络from keras import layersfrom keras import modelsmodel = models.Sequential()model.add(layers.Conv2D(32, (3,3), activation ='relu', input_shape=(2...

4.1 机器学习的四个分支二分类问题、多分类问题和标量回归问题，都是监督学习（supervised learning），目标是学习训练输入与训练目标之间的关系。4.1.1 监督学习给定一组样本（通常由人工标注），他可以学会将输入数据映射到已知目标【也叫标注（annotation）】。序列生成（sequence generation）。给定一张图，预测描述图像的文字，序列生成有时可以...

from keras import layerslayer = layers.Dense(32,input_shape=(784,)) # 32个输出单元的密集层，只接受第一个维度大小为784的2D张量的输入，第0轴是批量的维度，其大小没有指定，因此可以使用任意取值， #第一个维度的大小变成32.因此这个层...

https://github.com/521xueweihan/python3 简介 读和写、注重细节、发现不同 exercise0.安装和准备 略，网上很多。我是用anaconda安装的。我这里是python3.所以不要被我误导。 出现问题后排查，1、中英文符号；2、python2与python3差异；3、.py是文件，不能再pyth...