- 博客(5)
- 收藏
- 关注
RSS订阅
原创 [解决torch.nn.CrossEntropy()] Assertion `t ＞= 0 && t ＜ n_classes` failed.的一种情况
运行背景: Linux/Windows 都有, 我是先用nnUnet预处理了医学数据,由于它有b好多不同的类别,也就是多数据集联合训练,有A,B,C三种类别(A 不等于B 不等于 C), 直接读取NifTi是没有问题的,读取预处理的npz格式数据,开始报错,本来以为是不是类别传错了,缩减到一个数据集也是报错. 最后注释掉CrossEntropy()就不报错了,找到了报错的代码块.如果有补充和修正, 欢迎指正。
2023-12-25 22:17:56
2309
1
原创 Zotero注释颜色同步失败修复方案
关闭Zotero应用程序后，打开zotero.sqlite数据库文件。PS: MACOS, zotero 7, 坚果云。完成以上步骤后，同步功能应该可以正常工作了。
2024-12-09 16:05:55
255
原创 如何很好的理解机器学习模型，为什么大数据(Big data) 和大语言模型(Large Language Model, LLM)会变得那么火，会变得有效？
近似误差关注于模型复杂度与数据真实复杂度之间的不匹配，与模型的偏差相关。估计误差关注于从有限数据中学习的不确定性，与模型的方差相关。在实际的机器学习任务中，我们希望找到一个平衡点，即通过选择合适的模型复杂度来同时最小化近似误差和估计误差。这通常通过模型选择和正则化技术来实现，以避免过拟合和欠拟合，达到偏差-方差权衡（bias-variance tradeoff）。选择合适的模型复杂度通常涉及到多种策略的结合使用，并且需要通过多次实验来评估不同模型复杂度下模型的性能。
2024-01-23 15:35:52
1774
1
原创 医学影响分割性能常用指标(用于病灶检测)
在实际应用中，这些指标可以帮助我们评估模型在病灶检测和分割任务中的性能，每个指标都有其重要性，选择哪个指标取决于具体的应用需求和上下文。例如，在医学图像分割中，通常希望最大化 Dice 系数和 Jaccard 距离,减小HD95，以确保分割的准确性最高，从而提供最可靠的诊断信息。
2024-01-15 16:55:42
1393
原创 [汇总]采样操作(Sampling)小汇总
上采样是一种操作，它的目的是增加图像或特征图的尺寸。在卷积神经网络中，上采样用于从低分辨率的特征图构建更高分辨率的输出。最近邻插值：这是最简单的插值方法，它将新像素的值设置为最近的原始像素值。双线性插值：这种方法在两个方向（水平和垂直）上进行线性插值，提供比最近邻插值更好的图像质量。双三次插值：这是一种更复杂的插值方法，能够产生更平滑的图像质量。这些插值上采样方法能够提高图像的分辨率，但它们添加的信息是根据现有数据推断而来的，所以并不能增加图像的真实细节。
2024-01-14 18:33:54
1348
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人