weixin_41798111的博客

混淆矩阵实际样本 预测结果 正例 反例 正例 TP(正预测为正，真正) FN(正预测为负，假负） 负例 FP(负预测为正，假正） TN（负预测为负，真负） 1.准确率TP和TN：表示预测正确的2.1. 查准率：（精确率），预测为真占预测为真的百分比，表示对正样本的预测准确程度（预测为正/所有为正的预测）。2.2. 查全率：（召回率），实际样本为正中预测为正的比例，（预测为正/所有为正的样本）2.3 F1， 兼顾精确率和召

相比mxnet1.5.0：多了GroupNorm；Deconvolution有变化；UpSampling,增添了最近邻方式，仅支持2D,NCHW

原文：https://blog.youkuaiyun.com/liuxiao214/article/details/81037416本篇博客总结几种归一化办法，并给出相应计算公式和代码。1、综述1.1 论文链接1、Batch Normalizationhttps://arxiv.org/pdf/1502.03167.pdf2、Layer Normalizaitonhttps://ar...

在使用pytorch训练网络时，有可能会出现这个错误。看了网上一些解决方案，确实是因为数据标签问题导致的。我的情况是使用nnUNet时报错的，比如我在标签描述中写了三个类，可是输入的数据标签可能有四类或者五类，这样很明显输入数据与类别不一致。解决方法：在输入数据中确定标签类别，保持一致。...

梯度累积:参考数据并行的方式，梯度累积简单理解是把并行的数据替换成串行的数据传入，可以在显卡数量有限的情况下使用，还没有了解是否影响收敛速度。具体实现：正常训练过程：outputs = model(data_batch)loss = loss_function(outputs, labels)optimizer.zero_grad()loss.backward()optimizer.step()梯度累积：accumulation_steps = 4outputs =

通过transform.resize()可以处理3D图像，但是图像值变化，具体原因还没有详细查找，cv2.resize貌似只能处理2D图像

1.图像没有/255.0当图像没有除以255时，会导致在模型的训练损失下降，且收敛效果很好的情况下，验证集的泛化性较差，具体表现是评价指标几乎没有提升，也不是回落的过程。（自己写的读取数据，一定不要忘了/255.0）...