- 博客(38)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 【笔记】数据结构与算法 python-04-排序
将一组无序的记录序列调整为有序的记录序列（升序与降序，Python内置函数sort()）输入：列表输出：有序列表。
2024-12-30 21:36:34
618
原创 一起学Git【第六节：查看版本差异】
是 Git 版本控制系统中用于展示差异的强大工具。他可以用于查看文件在工作区、暂存区和版本库之间的差异、任意两个指定版本之间的差异和两个分支之间的差异等，接下来进行详细的介绍。
2024-12-25 22:23:59
1445
原创 一起学Git【第五节：git版本回退】
git reset 是 Git 版本控制系统中一个非常强大的命令，它可以用来重置当前分支到指定的状态，即执行撤销操作或者回退至之前的某一版本，他可以回退至之前的某一个提交状态。有三种主要的用法：git reset --soft；
2024-12-23 21:40:47
575
原创 一起学Git【第四节：添加和提交文件】
通过前三节的学习，基本上对Git有了初步的了解，下面开始进行文件的添加和提交的流程。这里主要涉及四个命令：git init之前已经使用过git init命令了，此处不再具体讲解。参照创建新的本地库。
2024-12-22 23:00:57
707
原创 一起学Git【番外篇：设置用户名和邮箱】
在对Git文件进行提交等操作时，需要注意，如果并未进行用户名设置会报错，如下所示：这是由于未设置用户名导致的，可以通过命令进行查看：如果你希望为所有 Git 仓库配置相同的用户名和电子邮件地址，可以使用以下命令进行全局设置：2. 仅在当前仓库设置用户名和邮箱如果你只想为当前仓库配置用户名和电子邮件，可以在当前仓库中运行以下命令：3.临时修改用户名和邮箱（仅限一次提交）如果你只想临时为某次提交指定一个不同的用户名和邮箱，可以在 命令中直接指定：
2024-12-22 22:46:52
546
原创 ArkUI组件--B家族组件（Blank、Button）
①label是文字类型所写文字会在按钮上显示②不输入label内容，需要额外定义一些描述。例如插入图片（需要定义图片属性）
2023-12-04 19:45:33
334
原创 ArkUI组件--TextInput组件（文本输入）
①placeholder：输入框无输入时的提示文本（默认显示文本，浅色，直接输入即可）②text：输入框当前的文本内容（也是默认显示文本，深色，如有需要可以修改）
2023-12-04 15:56:11
1064
原创 ArkUI组件--Text组件
读取图中两个string.json文件，当系统是英文时读取en_US目录下的文件，若是中文则读取zh_CN目录下的文件。“width_label”表示在文件中查找的对象名。②Recource格式，读取本地资源文件。①string格式，直接填写文本内容。
2023-12-04 14:16:55
543
原创 ArkUI组件--image组件
①string格式，常用来加载网络图片，填写网址。（手机端需要申请网络访问权限：ohos.permission.INTERNET）②PIxelMap格式，可以加载像素图，常在图片中编辑（使用较为繁琐）③Recource格式，加载本地图片（推荐使用）上述是使用两个文件夹下图片源的命令说明。
2023-12-02 17:01:12
592
原创 安装DevEco Studio时，遇到的ohpm报错（解决）（新增hello world报错）
解决ohpm安装失败（已解决）Hello World报错> hvigor ERROR: Failed :entry:default@PreviewArkTS... > hvigor ERROR: default@PreviewArkTS watch work[2] failed.> hvigor ERROR: BUILD FAILED in 3 s 76 ms
2023-11-14 21:26:43
5347
4
原创 树和二叉树
树是由节点（Node）组成的层次结构，有且仅有一个节点被称为根节点（Root），每个节点可以有零个或多个子节点，这些子节点也可以再次拥有零个或多个子节点。树的每个节点（除了根节点）都有一个父节点，位于同一层级的节点被称为兄弟节点，而每个节点的子节点之间没有任何顺序关系。
2023-08-11 15:09:26
164
原创 【笔记】数据结构与算法 python-03-列表查找
在一个数据结构中，通过一定的方法找出与给定关键字相同的数据元素的过程。：从列表（一种线性数据结构，元素按照一定的顺序存储，每个元素都有一个唯一的位置索引）中查找指定元素在列表中的位置（索引），或者判断该元素是否存在列表中。（python内置函数index()）
2023-07-31 22:22:47
315
原创 【笔记】数据结构与算法 python-02-递归
递归是一种算法或者函数在其定义时调用自身的技术。旨在处理具有相似或相同的子问题时，简化代码的编写和理解。编写时需要注意如何将原问题划分为符合条件的子问题，不需要关注如何解决子问题。
2023-07-28 22:17:33
177
1
原创 【笔记】数据结构与算法 python-00-数据结构基本概念与算法
数据是信息的载体，是描述客观事物属性的数、字符以及所有能输入到计算机中并且能被计算机程序识别和处理的符号（二进制）的集合。可以直观理解为计算机加工的原料。
2023-07-27 14:13:26
158
1
原创 随机数种子np.random.seed()
例如：np.random.seed(10)，就表示使用的是第十号种组，也可以使用不同的标号，这个参数相当于给你的随机数数组起了个名字，当你想要使用某一组时，输入其标号即可。我在不同的程序文件下使用同一序号的种子，发现生成的结果相同，将程序关闭重启还是一样，所以我觉得，种子序号的结果是固定的？可以观察到这里第一次生成的随机数组与上面的还是一致的，说明这个种子数组是固定的，即seed(1)就是固定的，同理其他标号的随机数种子数组也是固定的。可以看到，两次生成的随机数组是一样的，应为使用的是同一组随机数。...
2022-08-14 14:40:26
1757
1
原创 pytorch混合精度训练
使用单精度float32和半精度float16进行混合训练。半精度的优势：１、减少显存占用： 现在模型越来越大，往往模型及模型计算就占去显存的大半，当想要使用更大的 Batch Size 的时候会显得捉襟见肘。由于 FP16 的内存占用只有 FP32 的一半，因此可以增加batchsize。２、加快训练和推断的计算： 与普通的空间时间 Trade-off 的加速方法不同，FP16 除了能节约内存，还能同时节省模型的训练时间。在大部分的测试中，基于 FP16 的加速方法能够给模型训练能带来多一倍的加速体验
2022-07-12 09:48:57
35
原创 【学习笔记】：PointNet的补充材料
1.比较PointNet与VoxNet的网络：使用两个网络处理缺失点云数据，测试鲁棒性，划分相同的数据集，以1024个点作为输入。对于VoxNet，将点云数据划为323232的网格，并使用随即旋转与抖动增强数据集。由于VoxNet对旋转敏感，使用十二个视点的平均分数，结果如下：本文提出的网络对于数据缺失具有较强的鲁棒性。2.网络框架和训练细节：a.点云分类网络：mini-PointNet（输入变换和特征变换），输入原始点云数据得到一个33的矩阵，该网络又权值共享的MLP、最大池化和两个全连接层组成
2022-03-27 15:52:51
4723
1
原创 【学习笔记】点云：三维分类和分割《PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation》
1.简介传统的卷积框架严格要求规则的点云/网格数据格式，但是现在格式变得不规则，这就使得很多学者将这些数据变换成常规的三维体素网格或图像的集合，但是这样做会扩充数据量同时会引入量化伪影，掩盖住数据的自然不变性（增加了数据自身不具备的某些性能）。点云数据是一种简单并且同一的结构，避免了网格的组合不规则性和复杂性，更容易学习。但是点云归根结底还是一些点的集合，如果要保持点的排列不变，要进行一些对称，刚性运动还要考虑不变性。本设计的PointNet网络直接输入点云数据集输出每一个类别的标签，或者每类别中的部
2022-03-27 10:38:23
2950
原创 voxelmorph：用到的指令**SummaryWriter**
from torch.utils.tensorboard import SummaryWriter#创建日志文件，记录实验运行中的各项数据writer = SummaryWriter(comment=f'MODEL_{args.model}_EPS_{args.n_iter}_BS_{args.batch_size}_LOSS_{args.sim_loss}_GPUID_{arg.gpu}')原始初始化代码如下：def __init__(self, log_dir=None, comment='
2022-03-13 11:37:26
2750
原创 【学习笔记】循环组织感知网络《Recurrent Tissue-Aware Network for Deformable Registration of Infant Brain MR Images》
由于婴儿身体快速发育的原因，大脑MRI图像的精确配准是具有挑战的，于是提出了深度循环神经网络。该作品有以下三个优点：1).使用脑组织分割图而不是强度图，以应对婴儿的快速发育；2).单次配准网络一次配准进行训练，再循环多次，逐步逼近正确的行变场；3).提出自适应平滑层（adaptive smoothing layer）和组织感知反折叠约束（tissue-aware anti-folding constraint）确保不降低陪准准确性的同时符合物理规律；在实现高水平配准的基础上还确保了形变场的平滑。
2022-03-05 15:49:35
3205
原创 【学习笔记VoxelMorph系列文章2】：《Unsupervised Learning for Fast Probabilistic Diffeomorphic Registration》
传统的可变形配准需要大量的计算时间，基于学习的配准方法可以减少训练时间但是需要标签值（比较少）或者没有保证微分同胚特性。本文提出一个概率生成模型并推到一个基于无监督学习的推理算法，不仅保证了微分同胚特性，还提供了不确定估计。1.简介可变形配准计算出两幅图像间的密集对应关系，是许多医疗图像分析任务的基础。传统的方法解决空间形变的优化问题，例如：弹性模型、B样条、密集矢量场和离散方法（discrete methods）。将变形限制为微分同胚会保留某些理想的特性，已经有比较成熟的方法实现微分同胚（LDDMM，
2022-02-24 21:50:56
1485
原创 【学习笔记VoxelMorph系列文章1】：《An Unsupervised Learning Model for Deformable Medical Image Registration》
该论文是18年发表的，提出训练一个参数函数对新输入的图像对进行直接配准，使用的是CNN网络，外加空间变换层和形变场的平滑约束。所提出的方法为无监督的，不需要标准配准图像和解剖标签，与当时的3D图像配准性能相当，运算速度快。简介可变配准是建立两幅图像的密集非线性对应关系，许多思路通过密集计算使形变场变得平滑，代价是耗时，本论文使用一个全局函数优化来代替每个测试图像对的传统配准算法（迭代计算）。该方法的创新点：无监督使用参数共享的CNN函数，通过对函数评估实现配准通过对各种成本函数进行优化，以适用
2022-02-19 19:23:38
3048
1
原创 【学习笔记】深度学习在医学图像配准领域的应用《Deep Learning in Medical Image Registration: A Survey》
医学图像配准是根据图像内容的匹配原则，将不同医学图像转换到同一个坐标系统下。医学图像配准处理不同观察点，不同时间，或者使用不同设备（CT,MR,US等）的图像对是非常有必要的。传统的配准方法是由有经验的专业人士进行手工标准配准的，这种手工标准的方法耗时耗力并且可能会出现较大的误差。为了提高配准的效率与可靠的准确性，自动配准应运而生。非深度学习的配准方法也曾经非常流行，直到2012年AlexNet网络的提出，深度学习因其在目标检测、特征提取、图像分割、图像分类、图像标注、和图像重建等领域理想的性能被广泛应用。
2022-02-16 10:44:03
6314
3
原创 【学习笔记】VoxelMorph 进行的实验与总结
VoxelMorph进行的实验探究实验设置：1.数据集：使用八个公开数据集的T1加权值MRI图像（ OASIS ，ABIDE，ADHD200， MCIC，PPMI ， HABS，HarvardGSP，FreeSurfer Buckner40），所有图像被重采样为256×256×256大小，且单位体素为1mm各向同性（我理解为是边长为1mm的正方体体素），之后进行仿射空间标准化，修改尺寸为160×192×224大小，所有MRI图像使用 FreeSurfer软件进行解剖分割，并使用视觉检查分割与仿射变换的
2022-02-08 14:58:05
5490
6
翻译 学习笔记：pytables与HDF5的部分相关学习
本篇是学习pytables官方网站而得！PyTables是一个用于管理分层数据集的包，旨在高效、轻松地处理极其大量的数据。PyTables是在HDF5库的基础上构建的，使用Python语言和NumPy包。它的特点是一个面向对象的接口，结合对代码的性能关键部分（使用 Cython 生成）的 C 扩展，使其成为一个快速且非常容易使用的工具，用于交互式浏览、处理和搜索大量数据。PyTables的一个重要特性是，它优化内存和磁盘资源，使数据占用的空间非常少。...
2022-01-13 15:48:55
842
转载 argparse.ArgumentParser()相关介绍
argparse — 命令行选项、参数和子命令解析器该模块封装在argparse模块中，使用前须使用import argparse载入库。它将参数与代码分离开使代码更简洁，还会自动生成帮助手册与使用文档，用户给程序传入无效参数时会返回错误信息。具体举例如下：import argparsedef parse_args(prog=None, usage=None, description=None, epilog=None, parents=[], formatter_class=argparse.H
2022-01-10 12:59:39
1626
原创 【学习记录】：《An Unsupervised Learning Model for Deformable Medical Image Registration》总结
\secion{相关介绍}
2021-11-17 15:32:54
310
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人