Hundreays

图像分割任务数据集处理1.分割任务的输入输出1.1 模型的输入输出shape1.2 数据集中的标签图像处理2.Pytroch Dataloader与Dataset3.图像分割任务常用数据增强1.分割任务的输入输出1.1 模型的输入输出shape对于分类任务来说，模型的输入通常是BCHW的，其中：B是batch_szie；C是输入图像的通道数，一般为3；H就是图像的高；W是图像的宽。而输出一般就是一个维度为类别数量的分布向量，其中每一个元素为这个张图片属于对应类别的概率。而对于分割任务

Pytorch自定义层或者模型类1.nn.Module2.自定义层ConvBNReLU3.nn.Module与nn.Functional4.nn.Sequential5.自定义模型类LeNet1.nn.Modulenn.Module是PyTorch提供的神经网络类，该类中实现了网络各层的定义及前向计算与反向传播机制。在实际使用时，如果想要实现某种神经网络模型，只需自定义模型类的时候继承nn.Module，然后：在自定义类的构造函数__init__()中定义模型结构与参数;在函数forward()中

服务器训练模型工具tmux基础使用1.tumx可以做什么2.Ubuntu安装tmux3.常用命令3.1 新建会话并进入3.2 退出会话3.4 重新进入会话3.5 销毁会话1.tumx可以做什么在ubuntu服务器上的做实验跑模型的时候，一般都是通过ssh进行远程连接。模型训练过程往往需要比较长的时间，但是网络有时候不稳定，可能在半夜会出现终端会话连接断开的情况，这样这个终端里所执行的程序也就中断，tmux刚好可以解决这个问题，当我们在tmux中工作的时候，即使关掉ssh连接窗口，再次连接服务器然后进入t

开发环境配置：Windows下Vscode SFTP代码同步到服务器端1.下载SFTP插件2.配置插件3.同步文件到服务器在实际做实验的时候，代码往往是在自己的电脑上完成的，然后放到服务器上去训练，这就需要完成两个终端的代码同步。来实现一下将Windows下test_sftp/目录下的代码同步到服务器code/目录下。1.下载SFTP插件首先下载安装SFTP插件：2.配置插件然后用vscode打开test_ftp文件夹，按ctrl+shift+p，在面板上输入SFTP:config，这样就会

Windows下Pytorch安装记录1.安装CUDA和cudnn2.安装Pytorch3.测试这里记录一下Windows下Pytorch安装过程，一些必要的软件或者工具版本以及下载链接为：CUDA10.2：https://developer.nvidia.com/cuda-10.2-download-archivecudnn：https://developer.nvidia.com/zh-cn/cudnnPytorch官网：https://pytorch.org/1.安装CUDA和cudnn