- 博客(101)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 yolov8-seg dnn调用
那问题会不会出在yolov8源码本身呢,我决定尝试在其前身yolov5的讨论区上找找我不信没人遇到这个问题。cv2.dnn.readNetFromONNX读取yolov8的onnx报错解决过程_opencvsharp.dnn.net.readnetfromonnx(onnxfile);里面报错不一致了dimension -837: [0, -837]改为了dimension -881: [0, -881]了，肯定哪里还要做调整。再看看yolov8的这段dnn推理代码果然没有同样的问题在。
2024-02-23 15:42:35
1182
原创 cv2.dnn.readNetFromONNX读取yolov8的onnx报错解决过程
找到解决方法如下转换时要设置（关键是添加opset=11）上述是尝试用opencv读取模型时的报错信息。
2024-02-20 15:14:18
1068
2
原创 centos7 安装nnDetection环境
为了不返工，我这里就在本机安装cuda10.2版本（虚拟环境中cu102应该值局限与可执行调用，要现场编译就不行了）下子cuda10.2和对应cudnn库。如上所示可用，看来服务器没安装cuda可以在下载torch是可自带编译好的对应cuda版本来替代（不过可能还需要低于驱动显示的CUDA Version: 11.0 版本）这里进一步将pytorch版本要求提升到pytoch1.10以上，并且要匹配CUDA版本。其它安装库都没啥问题，但是在编译nms.cu时用到了安装在本地cuda版本。
2023-12-11 18:16:20
1150
原创 Ubuntu18.04 LTS 安装nvidia驱动出现Ignoring CC version mismatch
安装nvidia驱动出现Ignoring CC version mismatch问题的解决方法，出现NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running问题的一种可能解决方法。
2021-12-16 10:58:08
2475
原创 训练日志关于速度
cudnn.benchmark=True 将会让程序在开始时花费一点额外时间，为整个网络的每个卷积层搜索最适合它的卷积实现算法，进而实现网络的加速。适用场景是网络结构固定（不是动态变化的），网络的输入形状（包括 batch size，图片大小，输入的通道）是不变的，其实也就是一般情况下都比较适用。反之，如果卷积层的设置一直变化，将会导致程序不停地做优化，反而会耗费更多的时间。作者：xiaopl链接：https://zhuanlan.zhihu.com/p/73711222单个Epoch速度
2021-11-23 16:29:51
657
原创 Ubuntu18.04全命令行在3090显卡上安装pytorch环境
1.3090驱动安装：sudo add-apt-repository ppa:graphics-drivers/ppasudo apt updatesudo apt install nvidia-driver-470sudo apt autoremove xserver-xorgsudo apt autoremove --purge xserver-xorgsudo apt-mark hold nvidia-driver-470 # Freeze NVIDIA Drivers。阻止自动更..
2021-10-09 15:31:30
1623
4
原创 图像分割中dc_loss忽视标签实现
实现：>>> import torch>>> from torch import nn>>> input = torch.randn([3,3], requires_grad=True)>>> target = torch.empty([3,3]).random_(2)>>> mask = torch.Tensor([[0.,0.,1.],[0.,0.,1],[1.,1.,1.]])>>&g
2021-09-08 14:50:16
265
原创 Pytorch的BCEWithLogitsLoss函数中忽视标签怎么实现
1.尝试：>>> import torch>>> from torch import nn>>> loss = nn.BCEWithLogitsLoss()>>> loss1 = nn.BCEWithLogitsLoss(reduction='none')>>> input = torch.randn(3, requires_grad=True)>>> inputtensor([0.
2021-09-08 14:42:38
1391
原创 关于在阅读nnUNet代码中的一些小细节的记录(三)
1.推理阶段：nnUNet/nnunet/training/model_restore.py的60行的recursive_find_python_class函数的参数current_module。改为当前的network_training目录的位置。如下：current_module="AIseg.core_prepare_result.nnunet.training.network_training"...
2021-04-30 17:53:23
499
4
原创 Pytorch1.7.1与SimpleITK2.0.0在centos7上终端运行冲突的情况
1.ttt.py如下：import SimpleITKimport torchprint(torch.cuda.is_available())pycharm上运行：TrueProcess finished with exit code 0终端上运行：(framework_py38) [pacs@localhost Liver]$ python ttt.py段错误(吐核)2.ttt.py代码改动import torch和import SimpleITK 顺序。i
2021-04-14 10:11:11
124
原创 Pytorch 尝试通过强化cpu使用加快训练和推理速度（二）
简介：这系列第一篇中讲了多线程和多进程的适用范围，写这篇的原因是遇到了进程池嵌套进程池的问题。（情况：我写的代码中使用了进程池，其中一个进程调用它他人写的使用进程池的函数。表现：他的函数直接跳过没有任何报错，最终定位到pool=Pool（x）。）1. 先举个进程池嵌套进程池的代码例子.（参考后续文献）import multiprocessingimport multiprocessing.poolimport timefrom random import randintdef slee
2021-04-09 17:18:57
766
1
原创 关于在阅读nnUNet代码中的一些小细节的记录(二)
1.推理阶段：在nnUNet/nnunet/network_architecture/neural_network.py的250行的_get_gaussian函数。 def _get_gaussian(patch_size, sigma_scale=1. / 8) -> np.ndarray: tmp = np.zeros(patch_size) center_coords = [i // 2 for i in patch_size] sig
2021-02-22 16:00:03
638
原创 Pytorch 尝试通过强化cpu使用加快训练和推理速度（一）
目标:pytorch不管是训练还是推理时。cpu的使用率基本只有10%左右，尝试更好的利用cpu来加快训练和推理。1.在搜索资料时很多作者都提到了python的GIL问题，这边先了解下这个机制直接从例子入手。本机的cpu是i5-4460 4核4线程先参考涤生手记的清晰讲述，本实验用的是python3.5故修改下代码。（ Python 3.2开始使用新的GIL。在新的GIL实现中其他线程请求这个锁的时候，当前线程就会在5ms后被强制释放掉这个锁。）GIL锁的释放机制：Python解释器..
2021-01-25 11:46:21
4319
2
原创 关于SimpleITK 使用函数sitk.WriteImage报错‘ERROR (nifti_image_write_hdr_img2): cannot open output file ‘
报错** ERROR (nifti_image_write_hdr_img2): cannot open output file './result17/HGG/Brats17_CBICA_AXN_1.nii.gz'1.首先判断路径是否存在，发现没问题。2.其次查看磁盘空间是否不足，发现已经不够用了。
2021-01-22 16:45:04
4563
1
原创 python 近期用到的基础知识汇总（八）
1.pytorch 的scatter()函数scatter()和scatter_()的作用是一样的，只不过 scatter() 不会直接修改原来的 Tensor,而 scatter_() 会.scatter(dim, index, src) 的参数有 3 个dim：沿着哪个维度进行索引 index：用来 scatter 的元素索引 src：用来 scatter 的源元素，可以是一个标量或一个张量>>> torch.zeros(3, 5).scatter_(0, t...
2021-01-14 20:25:12
156
原创 关于在阅读nnUNet代码中的一些小细节的记录(一)
首先，感谢paper桑大佬关于nnUNet项目的解释，我从中获益很多。本片是关于nnUNet代码中我看到的认为可能比较重要的某些细节的记录。1.
2020-10-23 16:48:44
2410
5
原创 python 近期用到的基础知识汇总（七）
1.os.path.split()：按照路径将文件名和路径分割开.例如 o='/media/HDD/nnUNet_raw/nnUNet_raw_data/Task009_Spleen/inferTs2_3d_bk/spleen_3.nii.gz'dr, f = os.path.split(o)print(dr)/media/HDD/nnUNet_raw/nnUNet_raw_data/Task009_Spleen/inferTs2_3d_bkprint(f)spleen_3.nii.gz.
2020-10-23 14:08:29
141
原创 Postman 出现Error: connect ECONNREFUSED 127.0.0.1:7890
问题描述：查看consle,发现Postman一直疯狂去链接本地7890端口，而我根本没使用端口。一直报错Could not send request。解决方法：１、我在台电脑上安装Postman，然后链接同样的服务端口没问题。查看consle，发现没去连本地7890端口．两者设置对比了一下发现一样。２、但我总觉得是设置问题，后来不断尝试发现将setting-Proxy-Use the system proxy的勾选去掉即可我猜测本地的proxy设置的锅。...
2020-07-20 16:47:50
33315
5
原创 关于Resnet50和ResNeXt50的参数量的简单计算（只考虑卷积层和全连接层）
主要是我想知道ResNeXt50按cardinality方式每组是不是共享了参数？参考一张图：https://www.zhihu.com/question/323424817上面已经写了Resnet50和ResNeXt50的参数量Resnet50的参数量：1.conv1： 3（jpg输入三通道）*64（输出64通道）*7*7（卷积核参数）=90482.conv2：(64*...
2020-04-20 21:08:18
23626
7
原创 pytorch加载之前训练模型中的部分参数以及冻结部分参数（实测，自己实际项目代码中的）
我的需求是，由于我在不停的尝试各种模型，导致模型木块一直会变。如果每次重复重新开始训练要花费大把时间。我之前运行的模型ResNet-> 三个ResNet参数共享。 ResNet-> 中间模块-> 结果 ...
2020-03-24 17:23:32
2335
原创 pytorch 一些关于模型参数冻结的问题
1.lambda表达式，又称匿名函数作用：函数速写语法：lambda arg : expression，解释：冒号前是参数，冒号后是返回值。例子：>>x=range(10)>>lambda x:x%2==12.filter函数参数：一个函数func和一个列表listfunc的作用：对list的每个元素进行判断，符合条件返回true,否则返回f...
2020-03-24 15:48:28
3352
4
原创 反卷积(Deconvolution)、上采样(UNSampling)与上池化(UnPooling)加入自己的思考（pytorch函数）（三）
ps:最近在做分割在github上找代码看模型时老发现尺度从小到大那部分，有的是采用上采样（双线性插值）＋卷积，有的用反卷积。为什么不相同能，我查阅相关资料发现这位知乎大神根据外网大佬文章总结原因。知乎地址：https://www.zhihu.com/question/328891283。先放下我之前一二中都会放的图：这次我们重点关注下反卷积和上采样＋卷积的结果对比。借用上面知乎大神的示例...
2019-11-28 16:12:59
1554
翻译 SCAN: Structure Correcting Adversarial Network for Organ Segmentation in Chest X-rays（译）
ps:机械翻译一下一篇论文摘要： 胸部X射线（CXR）是最常用的医学成像程序之一，其扫描量通常比其他成像方式（如MRI，CT扫描和PET扫描）高2到10倍。这些大量的CXR扫描给放射科医生和医学从业人员增加了很多工作量。器官分割是在CXR上获得有效的计算机辅助检测的关键步骤。在这项工作中，我们提出了结构校正对抗网络（SCAN）来分割CXR图像中的肺野和心脏。 SCAN包含了一个批评者网络...
2019-11-28 15:22:44
578
原创 luna16标签数据里的ｘｙｚ，以及CT的dicom.ImagePositionPatient里的三个值分别代表哪些轴的初始点
在来看看dicom.ImagePositionPatient中三个值代表的是哪个的那些轴注意看第一段代码中的x对应Origin[0]，y对应Origin[1]，z对应Origin[２]．而Origin的获取是以下代码：Ps：这里面的一些道道给了我很大的困扰，这里在我脑袋清晰的时候将理解记录下来防止以后再次弄混．先来看张图看看是怎么照ＣＴ：所以先不看Z轴，只看X轴和Y轴这个面，看出X是列...
2019-11-05 18:22:50
5627
原创 retinanet网络模型结构
ps：现在忙了好多，没时间更新博客了．现在我就简单直观得讲下retinanet网络模型结构．网上超多的博客的retinanet的结构只是放了如下：这里面的(a)和(b)之间的结构还是比较直观的也能理解（最多实际过程中FPN的输出层数变化会有偏差），但是(b)和(c),(d)之间看起来比较明确，但是对于最开始作为初学者的我存在这样的想法如果一个FPN输出的一个层后面会有W*H*KA和W*...
2019-10-24 18:32:37
2167
3
原创 pytorch 的自动求导机制解释
Ps：在深度理解自动求导机制时，非常幸运一开始看了ronghuaiyang大神翻译的这篇博客https://blog.csdn.net/u011984148/article/details/99670194从而整体思路没有出现偏差，但是由于本人水平不够的原因好多地方都是懵懵懂懂，一知半解的状态。所以我花了一下午找了相关资料整理了下，将博客理解配上代码重新以更直观的角度理解下这个简单，而又不那么简...
2019-09-18 10:26:31
1045
原创 Ubuntu16.04下 安装使用svn记录（注意不是搭建）
Ps:好久没更新了真的烦躁，各种改部署方案和代码，以及适应中间件和前端改变．加之希望优化项目（提升速度），还有用户需求的改变．还有看了两周的Ti9,上周末两天的Ti看的我太伤心了．cn dota 怎么了，前面那几届大环境不太好能打出这么好的成绩（有几届虽然没拿冠军，但是前８好多中国队），现在大环境怎么好战队各种赞助商VG，LGD等中国队队旗标志都快放不下了，反而没有以往的光彩，没了自己的体系只能被...
2019-08-26 17:43:10
326
转载 pytorch 关于显存增长原因以及显存占用优化
ps:师傅希望想tensorflow一样设置GPU占用（tf.GPUOptions），但事实情况是好像pytorch根本就没有相关函数来设置（如８Ｇ显存我只用2G,来跑是否可行）1.网上很多攻略关于pytorch 训练时显存持续增长的问题其实这个问题主要出现在0.4之前的版本，在累加loss时用的是loss_sum+=loss，而非loss_sum+=loss.data[0].因...
2019-07-16 18:53:37
9804
原创 关于python中自己写的模块之前相互调用函数
PS:之前偷懒直接用了添加系统路径的方法，现在代码越改越多也越杂，而且最近要添加多个配置参数，当我添加完参数发现崩了，服务计算一直失败，还是得用导包的形式，之前稍微用过但是一直模棱两可一知半解，现在知道一旦代码函数多了之后就得用它，希望能比较直观的理解１．先说下偷懒的方式也就是如下代码：import sys, ossys.path.append(os.path.dirname(_...
2019-07-16 18:12:58
797
原创 ubuntu16.04下安装windows软件，以及卸载．
1.安装wine.参考官网：https://wiki.winehq.org/Ubuntu如果你的系统是64位，则启用32位架构（如果您还没有）执行如下命令：sudo dpkg --add-architecture i386 接着执行：wget -nc https://dl.winehq.org/wine-builds/winehq.keysudo apt-key add...
2019-07-05 18:15:30
1476
原创 关于大量数据的随机打乱重保存．(少了详细解释，之后会更新)
ps:想要数据随机打乱时遇到由于数据量太大导致电脑卡死：def myshuffle(path,save_path,b,bb): for parent, dirnames, filenames in os.walk(path): l = len(filenames) lst = list(range(l-1)) random.shuffle(lst) ...
2019-06-18 18:58:23
483
原创 Focal Loss 分类问题 pytorch实现代码（续３）
ps:虽然无法用NLLLoss函数来实现．但好歹最后实现了自己的想法．现在再来测试下最后和最开始的Focal Loss如下：import torchimport torch.nn as nn #二分类class FocalLoss(nn.Module): def __init__(self, gamma=2,alpha=0.25): super(Focal...
2019-06-14 14:19:24
2018
12
原创 Focal Loss 分类问题 pytorch实现代码（续2）
ps:咱们继续．先贴一下交叉熵的公式：在贴一下我的尝试：>>> import torch>>> input=torch.randa(4,2)>>> inputtensor([[ 0.0543, 0.5641], [ 1.2221, -0.5496], [-0.7951, -0.1546]...
2019-06-12 19:44:14
961
3
原创 Focal Loss 分类问题 pytorch实现代码（续1）
ps:感谢Code_Mart的解答，肯定了思路，不过他也不确定是否可以在pytorch中那么写．事情这样模棱两可让我很烦躁决定深究一下．看到博客https://blog.csdn.net/qq_22210253/article/details/85229988对CrossEntropyLoss的实测决定二分类的上再实测一下理解．在图片二分类时，输入m张图片，输出一个m*２的Tensor（跟我的...
2019-06-12 13:56:13
1421
原创 Focal Loss 分类问题 pytorch实现代码（简单实现）
ps:由于降阳性这步正负样本数量在差距巨大．正样本1500多个，而负样本750000多个．要用Focal Loss来解决这个问题．首先感谢Code_Mart的博客把理论汇总了下https://blog.csdn.net/Code_Mart/article/details/89736187．并实现了Focal Loss的二分类和多分类的代码并讲解．同时他与xwmwanjy666的讨论更讲清楚了...
2019-06-11 18:19:20
15108
31
原创 3Dunet 降假阳性模型预处理
ps前段时间一直在将肺结节检测和３Dcnn降阳性模型封装到一起．输入一个检查输出检测结果插入数据库．同时编写接口供前端和中间件调用．可检测结果的去假阳性这步还是不太令人满意．故再用3Dunet 降假阳性模型联合３Dcnn降阳性模型一起去假阳性． 由于想获取32*32*32的块（分辨率1*1*1mm）,故需要重采样．但是luna16中给的candidates_V2.csv有70多万个候选结节．...
2019-06-05 17:03:25
1833
38
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人