lavinia_chen007的博客

Python CT图像预处理

如何创建Ubuntu新账户及配置已有的CUDA、Conda等环境

Ubuntu 20.04深度学习开发环境配置CUDA+CUDAN+Anaconda+PyTorch

这里写自定义目录标题COCO数据集Keypoint标注格式COCO数据集官网Keypoint Detection关键点检测COCO数据集Keypoint标注格式COCO数据集官网COCO全程是Common Object in COntext，是CV里很常用的一个数据集。COCO官网：https://cocodataset.org/#homeKeypoint Detection关键点检测...

文章目录crontab定时执行Shell脚本打开cron的log功能踩坑记录加解决方案crontab是cron的配置文件，可将其成为作业列表。crontab定时执行Shell脚本常用指令：#省略-u username表表示操作当前用户的crontab -u username　　#编辑工作表（[-u username]可以缺省） 　　crontab -u username -e#列出工作表里的命令（[-u username]可以缺省） crontab -u username -l#删除工作

文章目录环境安装拜读了Objects as Points这篇论文，也想应用在自己的项目中。论文地址：https://arxiv.org/abs/1904.07850官方代码：https://github.com/xingyizhou/CenterNet因为文章发表于2019年，当时原作者使用的PyTorch版本还是0.4.1，也就导致了现在用上了PyTorch1.x版本的朋友再编译和使用的时候有会踩到一些坑。主要问题出在src/lib/models/networks/DCNv2中文件的编译问题上。

文章目录使用场景概述方法介绍和代码分享使用场景概述假设你手头有一组点的坐标，你想找出这组坐标包围构成的多边形区域中的所有坐标点，即从边界生成分割掩模，也即cv2.findContours的反向操作。先说这个需求的出发点，假设有一个我们有以下如图所示的AI自动分割的结果，蓝色的边界线是根据分割的二值掩模使用cv2.findContours确定并显示出来的。直观的一种修改模式（非AI辅助的情况下），人手拖拽边界点即可扩大或缩小边界。方法介绍和代码分享由于边界包含了过多且密集的点，使得在后续判定修改的

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar

文章目录相关代码报错1：RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn报错2：IndexError: invalid index of a 0-dim tensor. Use `tensor.item()` in Python or `tensor.item()` in C++ to convert a 0-dim tensor to a number这篇是关于PyTorch模型训练时

文章目录在本地和远端安装visdom建立ssh连接远端启动visdom绘制本地启用visdom服务器在本地查看visdom绘制内容本文参考github链接，亲测可用。做一个记录。在本地和远端安装visdom首先，在本地和远端都先安装好visdom包。pip install visdom建立ssh连接在本地建立和远端的ssh链接（注意转发端口设置）ssh -N -f -L localhost:8097:localhost:8097 username@remotesystemip这样就将远端

文章目录问题描述抑制输出（静默运行）彻底抑制CMD黑框弹出问题描述Windows10平台PyInstaller打包exe用Python和PyQt写了一个小工具，其中其中应用ffmpy调用ffmpeg进行了RGB转YUV444，计算PSNR和SSIM。代码如下：RGB转YUV444def convertYUV444(img_path,H,W,output_path): size = '{}x{}'.format(W,H) ff = FFmpeg(inputs={img_path

同样的深度学习模型在linux运行没有遇到内存泄漏的问题，迁移到Windows就出现了问题。报错信息为：numpy.core._exceptions.memoryerror unable to allocate查了一下GPU Memory使用量没有爆（爆也不是提示这个信息），使用率正常。开始查问题是不是出在CPU上。观察发现随着代码的运行时长增加，CPU内存占用在持续地缓缓地上涨，内存占满时，则报错程序停止。设置断点进行观察，发现深度学习模型部分并不会造成内存的增加，引起内存上升的部分存在于对模型输

文章目录查看配置查看配置查看conda所有配置信息conda config --show

python使用pytesseract识别图中的文字。以识别和提取下图为例。要实现对图中文字的自动识别和提取。

要通过python将RGB转成YUV444。文章目录安装ffmpeg安装ffmpy在pythong中使用ffmpeg实现RGB到YUV444的转换RGB到YUV的转换python读取YUV文件opencv提供了RGB转YUV的工具，如果不在乎是哪一种YUV采样方式，直接使用以下的方式即可：import cv2img = cv2.imread(img_path)img_YUV= cv2.cvtColor(img, cv2.COLOR_BGR2YUV)img_YCrCb = cv2.cvtColo

文章目录PyInstallerPyInstaller安装pip安装pip升级PyInstaller使用如何让PyInstaller把额外的文件打包进来写本文的初衷是，自己在使用PyInstaller过程中踩了很多坑，花了很多时间搜了很多教程，最后才实现了打包的exe软件能够在自己以及其他人的Windows PC上都正常运行。代码是一个交互式的医学影像标注软件，GUI通过PyQt 5，深度学习算法基于PyTorch实现，调用了基于TensorFlow的crop_and_resize实现的一个外部包RoIA

文章目录PyTorch默认模型参数初始化总体来说，模型的初始化是为了让模型能够更快收敛，提高训练速度。当然，也算一个小trick，合理设置是能够提升模型的performance的，当然这就有点炼丹了。先说明一下，非特殊情况，其实大可不必太关注模型参数初始化。PyTorch默认会进行初始化，如Conv2d，BatchNorm2d和Linear。当然如果有特殊考虑，恰当的初始化是能够给模型Performance有加成的。下面介绍一下PyTorch默认的参数初始化，可以选用的初始化方法以及对整个模型如何进行参

文章目录DICOM标准图片转存为DICOM文件示例因为项目需要，需要将图片转存为DICOM格式。在网上没有找到特别好的示例，pydicom的也不是非常全面。DICOM标准在网上找到一个较为详细的DICOM标准相关资料网页。包含DICOM标准、字段解释等很详细的信息。大家可以根据目录找自己感兴趣的信息相关字段的查询表可以快速找到字段定义、含义和值的合理设定。图片转存为DICOM文件示例一下为我自己试验过，可以成功完成图片转存，且转存出的DICOM文件可以通过MicroDicom正常打开预览、p

文章目录PyTorch 获取模型参数PyTorch 获取模型参数计算模型所有参数量：total_params = sum(p.numel() for p in model.parameters())print(f'{total_params:,} total parameters.')计算trainable参数量：total_trainable_params = sum(p.numel() for p in model.parameters() if p.requires_grad)prin

文章目录Latex插入表格自动缩放表格使表格不超出页面范围表格单元换行的实现在单元格中插入打勾和打叉设置文字颜色基于自己经验，在CV论文Ablation Study Quantitative Comparison中常用到一下Latex的一些功能，特整理如下。Latex插入表格latex插入表格可通过以下代码实现\begin{table}[htbp] \centering \caption{Ablation Study} \label{ablation} \begin{tabular}{|c|