- 博客(108)
- 收藏
- 关注
原创 chatgpt新版本api的调用
新版本就是把ChatCompletion变成了chat.completions。由于我的api已经使用完了,所以可以某宝上买一个api_key,直接使用;但是现在api的调用改版了,需要使用新的调用方式,也很简单。
2024-03-02 10:21:56 828
原创 Uncertainty-Aware Mean Teacher(UA-MT)
本文提出了一种新的基于不确定性的半监督学习框架(UA-MT),通过额外利用未标记的数据从3D MR图像中分割左心房。具体地说,本文建立了一个教师模型和一个学生模型,学生模型通过最小化标注数据上的分割监督损失和所有输入数据上的与教师模型预测输出的一致性损失进行优化。如果没有未标记输入中的注释,教师模型的预测目标可能不可靠且有噪声。:在估计不确定性 U 的指导下,我们过滤掉相对不可靠**(高不确定性),整个体积** U 的不确定性**是 {u} ∈ RH×W ×D。过滤掉高不确定性的,也就是熵大于某个值的。
2024-02-25 11:01:58 831
原创 Mean Teacher的调研与学习
Mean Teacher 是一种半监督学习方法,是在方法 Π-Model 和 Temporal Ensembling 之上做了一些改进。Π-Model 和 Temporal Ensembling 方法都是用了单个模型,而Mean Teacher 是用了两个模型。Teacher 的学习方法是参数进行动量更新。Student 则是普通的学习方式。
2024-02-25 10:55:26 716
原创 四分位距IQR_ interquartile range
四分位距(interquartile range, IQR),又称四分差。是描述统计学中的一种方法,以确定。
2024-02-19 21:27:27 1230
原创 NIHSS评分:美国国立卫生研究院卒中量表
NIHSS:美国国立卫生研究院卒中量表(National Institute of Health stroke scale,NIHSS)是神经内科的常用量表,是卒中规范化管理的常用工具。NIHSS评分是疾病严重程度的量化指标,临床研究中常用做替代终点,根据NIHSS评分对患者进行分层,指导临床决策。NIHSS评分内容包括:意识水平(意识水平、意识水平提问、意识水平指令)、凝视、视野、面瘫、上肢运动、下肢运动、肢体共济运动、感觉、语言、构音障碍、忽视。评分范围为0~42分0~1分:正常或近乎正常;
2024-02-19 20:58:58 377
原创 02 使用jdk运行第一个java程序:HelloWorld
首先在CMD命令行里面,使用javac xxxx.java, 进行编译,其中会有报错;然后生成xxxx.class 文件,然后使用java xxxx.class 进行运行。
2024-02-03 22:31:47 455
原创 01-Java基础语法
变量就在程序中临时存储数据的容器。但是这个容器中只能存一个值。**注意: 定义变量名不能重复;可以更改,你前面定义了,后面可以修改:**数据类型 变量名 = 数据值;//1.定义byte类型的变量//数据类型 变量名 = 数据值;//2.定义short类型的变量//3.定义int类型的变量int c = 30;//4.定义long类型的变量//5.定义float类型的变量//6.定义double类型的变量//7.定义char类型的变量。
2024-02-03 22:30:58 784
原创 02 IntelliJ IDEA 下载安装及配置使用图文教程
结构分类:跟python的pycharm差不多;project(项目、工程)module(模块)package(包)class(类)淘宝、京东都属于一个个项目,IDEA中就是一个个的Project。在一个项目中,可以存放多个模块,不同的模块可以存放项目中不同的业务功能代码。论坛模块报名、咨询模块为了更好的管理代码,我们会把代码分别放在两个模块中存放。一个模块中又有很多的业务,以黑马程序员官方网站的论坛模块为例,至少包含了以下不同的业务。发帖评论。
2024-02-03 22:25:40 996
原创 01 JDK的安装
使用的是64位Win10操作系统,上图中红色箭头的两项都可以选择,区别在于:上面一个是exe安装软件,下载下来之后运行软件可以安装JDK;打开exe文件之后,在该步骤中选择安装路径,注意:(1)安装路径需要在后面使用,尽量不要太繁琐(2)为了避免造成编码或识别问题,路径中。JDK 是整个Java的核心,包括了Java运行环境,Java工具和Java基础的类库。在控制台输入java -version并回车,如果JDK安装成功,则会显示当前JDK的版本信息。安装完成后,可以通过命令行来检测JDK安装是否成功。
2024-02-03 20:36:22 292
原创 目标检测任务的调研与概述
简单而言就是,在图像或者视频中,找到目标位置并进行分类。对于一张图片的理解,有三个主要的层次一是分类(Classification),即是将图像结构化为某一类别的信息,用事先确定好的类别(string)或实例ID来描述图片。这一任务是最简单、最基础的图像理解任务,也是深度学习模型最先取得突破和实现大规模应用的任务。其中,ImageNet是最权威的评测集,每年的ILSVRC催生了大量的优秀深度网络结构,为其他任务提供了基础。在应用领域,人脸、场景的识别等都可以归为分类任务。二是检测(Detection)。
2024-01-31 11:30:43 1007
原创 [pytorch] 定义自己的dataloader
一般将dataloader封装为一个类,这个类继承自 torch.utils.data.datasetclass LoadData(Dataset): # 注意父类的名称,不能写datasetpass需要注意的是dataset是模块名,而Dataset是类名,在python中模块名和类名是完全独立的命名空间,因此这里的父类需要写成 dataset.Dataset。__init__方法,主要用来定义数据的预处理__getitem__方法,返回数据的item和label。
2024-01-29 11:57:33 551
原创 基于pyradiomics影像组学特征提取
在这里,我们使用pyradiomics来提取影像组学特征。首先,我们先介绍pyradiomica工具包,然后我们进行特征的提取。PyRadiomics的官方文档:https://pyradiomics.readthedocs.io/en/latest/1.1.2,设置特征提取器,获得想要特征:通过自定义特征提取器,可以根据自己的需求来设置并提取特征。其实,需要设置两个方面:1,图像类型;2,所要提取的特征;3,提取器设置第一步:图像类型:首先,设置提取特征的图像类型,可以指定用于提取特征的图像类型。
2024-01-14 11:13:43 1356
原创 影像组学介绍
其实就是想把图像处理领域的知识点,应用到医学图像里面。当初影像组学方法是,现在人工智能方法也是。随着精准定量医学影像技术的快速发展、图像识别技术和数据算法的不断更新,医学图像大数据的挖掘和分析得以实现,极大程度扩展了医学图像的信息量。基于对图像信息进行纹理分析后能够得到高通量的特征的特点,受基因组学以及肿瘤异质性的启发,2012年荷兰学者Lambin在先前学者工作的基础上提出了**影像组学(Radiomics) **的概念[1]。
2024-01-13 12:12:47 894
原创 相关性与P值
A1:统计学根据显著性检验方法所得到的P 值,一般以P < 0.05 为有统计学差异, P<0.01 为有显著统计学差异,P<0.001为有极其显著的统计学差异。而如果“P>0.05 相关系数R=0.799”,则意味着二者之间相关性很强(R=0.799),而这个高相关的结果可能是偶然因素导致的,即不具有统计学意义。r =0.5214, p
2024-01-03 21:47:07 1477
原创 快速从图中提取曲线坐标数据的在线工具WebPlotDigitizer
写论文时要对比别人曲线图、点图、柱形图的数据,但是只有图没有原始数据怎么办?如果我们能够直接从论文图中提取原始的xy坐标的数据,这样就算别人没给数据我们也可以对比。下面介绍一个非常实用的工具:WebPlotDigitizer。推荐使用在线版,非常的快捷方便。下面的操作演示也是基于在线版的。
2023-12-20 11:36:40 2140
转载 langchain 组件详解
定义在用于发出请求的 call() / run() / apply() 方法中,例如 chain.call(inputs, callbacks=[handler]) ,它将仅用于该特定请求,以及它包含的所有子请求(例如,对 LLMChain 的调用会触发对 Model 的调用,该 Model 使用 call() 方法中传递的相同 handler)。因此,在本节中我们将介绍 LangChain 中的记忆模块,即如何将先前的对话嵌入到语言模型中的,使其具有连续对话的能力。因此大模型能给出的答案比较受限。
2023-12-04 16:15:26 183
原创 基于Gradio的快速搭建AI算法可视化Web界面部署教程
视图框架:快速构建针对人工智能的 python 的 webApp 库,封装前端页面 + 后端接口 + AI 算法模型推理优势在于易用性,代码结构相比 Streamlit 简单,只需简单定义输入和输出接口即可快速构建简单的交互页面,更轻松部署模型。适合场景相对简单,想要快速部署应用的开发者;优势在于可扩展性,相比 Gradio 复杂。适合场景相对复杂,想要构建丰富多样交互页面的开发者。Gradio是一个开源的Python库,用于快速构建机器学习和数据科学演示的应用。
2023-12-04 16:10:27 856
转载 Gradio 搭建人工智能交互界面v1
Gradio 可以包装几乎任何 Python 函数为易于使用的用户界面。应用界面:gradio.Interface(简易场景), gradio.Blocks(定制化场景)输入输出:gradio.Image(图像), gradio.Textbox(文本框), gradio.DataFrame(数据框), gradio.Dropdown(下拉选项), gradio.Number(数字), gradio.Markdown(Markdown), gradio.Files(文件)控制组件。
2023-11-27 15:31:44 614
原创 知识库文档处理
本项目是一个个人知识库助手项目,旨在,回答用户问题。个人知识库应当能够支持各种类型的数据,支持用户便捷地导入导出、进行管理。在我们的项目中,我们以 Datawhale 的一些经典开源课程作为示例,设计了多种文件类型,介绍每一种文件类型的处理方式,从而支持用户无难度地构建自己的知识库。
2023-11-22 00:12:32 329
原创 2.3 调用智谱 API
智谱 AI 是由清华大学计算机系技术成果转化而来的公司,致力于打造新一代认知智能通用模型。公司合作研发了双语千亿级超大规模预训练模型 GLM-130B,并构建了高精度通用知识图谱,形成数据与知识双轮驱动的认知引擎,基于此模型打造了 ChatGLM(chatglm.cn)。ChatGLM 系列模型,包括 ChatGLM-130B 和 ChatGLM-6B 模型,支持相对复杂的自然语言指令,并且能够解决困难的推理类问题。
2023-11-18 22:40:18 8980 18
原创 2.2 调用星火大模型的API
讯飞星火认知大模型,由科大讯飞于2023年5月推出的中文大模型,也是国内大模型的代表产品之一。同样,受限于中文语境与算力资源,星火在使用体验上与 ChatGPT 还存在差异,但是,作为与文心不分伯仲的国内中文大模型,仍然值得期待与尝试。相较于存在显著资源、技术优势的百度,科大讯飞想要杀出重围,成为国内大模型的佼佼者,需要充分利用相对优势,至少目前来看,星火并未掉队。同时,不知道是否因为讯飞 API 还没有全面开放,讯飞 API 的测试使用效果比文心更好,值得期待。目前,讯飞星火大模型 API 已进入。
2023-11-18 22:31:59 1577 4
转载 【PyTorch】常见错误: RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor)
根据报错内容可以看出Input type为torch.FloatTensor(CPU数据类型),而weight type(即网络权重参数这些)为torch.cuda.FloatTensor(GPU数据类型)。既然网络参数是GPU类型,那解决方法就是将输入类型转变为GPU类型,需要使用到cuda,没有cuda就解决不了。那就同理,对net进行转换。若与上面错误是反的,即。
2023-11-16 15:57:25 448
原创 在虚拟环境下安装python包
首先通过File—>Setting—>Project:【项目名称】—>Project Interpreter—>设置—>add—>Virtuallenv Environment配置虚拟环境即可。此次我的虚拟环境地址是 F:\python_project\pytorch_learn\LLM\venv。使用cd 到该文件夹下的Scripts中,输入activate.bat。当创建虚拟环境之后,需要给项目重新安装各种包。这样便进入了虚拟环境中,进行pip即可。
2023-11-13 22:46:12 614
转载 Windows命令行cmd之cd命令用法
(1) 直接输入[该目录所在盘区]: ——以此进入该盘区目录;(2) 然后输入cd [在盘区下相对路径] ——以此进入该目录;4,显示cd帮助及用法。
2023-11-13 21:18:07 2111
原创 动态调整学习率Lr
在训练深度学习模型时,不可避免的要调整超参,而学习率首当其冲是大家最先想要调整的一个超参。而且学习率对于模型训练效果来说也相当重要。然鹅,学习率过低会导致学习速度太慢,学习率过高又容易导致难以收敛。因此,很多炼丹师都会采用动态调整学习率的方法。刚开始训练时,学习率大一点,以加快学习速度;之后逐渐减小来寻找最优解。那么在Pytorch中,如何**在训练过程里动态调整学习率呢?**本文将带你深入理解优化器和学习率调整策略。自定义学习率调度器:torch.optim.lr_scheduler.LambdaL
2023-11-13 17:23:23 112
原创 RuntimeError_ Found dtype Long but expected Float
报错是发生在BCE loss 的部分,因为crossentropyloss要求batch_label必须为torch.float类型。
2023-11-08 22:49:00 246
原创 3 任务3 使用趋动云部署自己的stable-diffusion
当然,你也可以把你的端口信息发送给别人,或者发送到手机上用浏览器打开,一样也可以使用。运行初始化中,等待约5-10分钟,当右侧的网页终端和JupyterLāb不再是灰色时,表明工具注入成功。访问这个网址时,会出现一个登录页面,账号qdy密码123456。4.待项目信息完善后,点击确定,弹出框选择暂不上传。,请确保当前所在空间是注册时系统自动生成的空间。2.点击:快速创建,选择创建项目,创建新项目。3,填写相关的项目信息,镜像及数据集选择如下。镜像和数据集选择完毕之后,点击"创建"
2023-11-08 11:40:20 595
原创 2 任务2: 使用趋动云GPU进行猫狗识别实践
使用趋动云提供的免费GPU,进行猫狗识别实践。虽然例程里面提供的是基于tensorflow的,但是你也可以使用pytorch的代码使用这个平台的一个优点就是方便,各种环境等等应有尽有;还有一些常见的数据集。
2023-11-07 20:01:02 193
原创 任务1 部署ChatGLM3-6B大模型并进行对话测试
本项目是根据datawhale 与 趋动云平台联合 联合的项目,本文主要在于学习和了解使用大模型。使用的大模型是 ChatGLM3-6B, 这是智谱AI和清华大学KEG实验室联合发布的新一代对话预训练模型。整体平台感觉还是非常好用的,方便模型的部署。
2023-11-04 20:47:47 647
原创 Jupyter notebook如何加载torch环境
默认你已经安装了anaconda 和 pytorch 环境。1,必须要以管理员身份打开3,安装必要插件:4,在在新建文件这里,你就可以看到基于torch的核可以调用。
2023-11-01 23:00:08 970
原创 关于pytorch张量维度转换及张量运算
w2的二维张量,torch.cat(a,b,0)表示在第一维进行拼接,即在特征的通道维度进行拼接,其他维度必须保持一致,即w1=w2,h1=h2。第二种是分割方案,是一个list类型的数据,待分割的张量将会被分割为len(list)份,每一份的大小取决于list中的元素。的维度进行压缩,如1,2,1,9的张量做squeeze(2),则会降维到1,2,9维的张量;上面的操作相当于,先把形状为**(2,3)的tensor展平,变成(1,6),然后再变成(3,2).**,如将1,2,1,9的张量降维到2,9维;
2023-11-01 22:52:04 598
原创 关于pytorch张量维度转换大全
w2的二维张量,torch.cat(a,b,0)表示在第一维进行拼接,即在特征的通道维度进行拼接,其他维度必须保持一致,即w1=w2,h1=h2。的维度进行压缩,如1,2,1,9的张量做squeeze(2),则会降维到1,2,9维的张量;的4维张量,其中B表示batchsize,C表示特征通道数,H和W表示特征的高和宽,在将特征送入全连接层之前,会用.view将转换为。上面的操作相当于,先把形状为**(2,3)的tensor展平,变成(1,6),然后再变成(3,2).**,所以w1和w2必须相等。
2023-11-01 22:13:10 1190
原创 8 模型查看
可以看出,torchsummary 不仅可以查看网络的顺序结构,还有网络参数量,网络模型大小等信息,非常实用。等待安装完成后运行 python 进入交互式环境,导入 torchsummary, 不报错的话就是安装成功了。在 Anaconda prompt 中进入自己的 pytorch 环境,安装依赖包。summary 会计算参数量,等等信息,还会对尺寸不匹配进行报错。完成以上步骤后,进入自己的 python 编辑环境,运行如下代码。1,安装 torchsummary。
2023-10-30 10:08:34 95
转载 固定深度模型训练中的随机种子
直接将下面的代码写进主要的运行文件里即可。可以根据自己的训练结果调整随机种子的数字,比如你可以设置为20等等。1.为了进行论文复现,或者进行模型的改进,固定住随机种子十分必要,不然所作的改进的提升效果无从知晓,以下代码可以确保每次训练的过程一摸一样。
2023-10-29 21:36:05 99
转载 anaconda的envs路径跑到c盘了,修改为D盘
问题描述:以往新建anaconda环境,路径是在目录下的envs中(D:\anaconda3\envs),然而,这次创建的却是在 C:\Users\xxx.conda\envs\ 中。
2023-10-29 17:58:29 736
原创 Segmentation fault 的bug解决
问题描述:自己在使用CPU上调试完代码之后,可以稳定运行,有输出结果。但是把数据和模型加载上GPU之后,出现了报错。原因找到,是cuda的版本不对应的问题。在下面网址找到对应的版本。确保你的 GPU 驱动与你的pytorch版本是对应的。确保你的代码和模型没有 bug,包括权重初始化问题。降低了数据的batchsize,但是模型依旧报错,检查你的模型大小和数据是否超出 GPU 内存。代码应该没有bug, 因为在CPU上可以运行。因为返回时False,所以版本匹配有问题。**重新安装: **
2023-10-26 22:42:38 687
原创 如何在linux服务器上安装Anaconda与pytorch,以及pytorch卸载
如果你的pytorch版本和cuda版本不对应,在使用print(torch.cuda.is_available()) 时返回False,你可能需要删除已下载的torch,并重新安装。因为如果你的pytorch版本和cuda版本不对应的话,很有可能你用不了你的GPU。在linux服务器界面依次输入下面指令,查看torch的版本,以及查看能否调用cuda。我们发现,官网的主界面里面,没有符合我们需求的pytroch版本安装指令。1,如果conda 不好安装的话,可以使用pip安装,都是一样的。
2023-10-26 22:40:13 2275
原创 如何在linux服务器上安装Anaconda与pytorch
你需要自己到这个文件夹设置你安装Anaconda路径(比如上面显示我的是)至此,anaconda就安装成功,下面讲述安装pytorch。如果你上述操作中没有进行设置环境变量的话,那你需要另外添加。conda -V ,显示版本信息,若显示则表示安装成功。输入anaconda -V(注意a要小写,V要大写);这里只是个示例,具体的还是要看你们自己安装的路径。如果查看完想要退出的话,输入 exit().打开新的终端后,进入自己的文件夹目录下。,不然可能会比较慢,或者连接不稳定。选择适合自己版本的进行安装。
2023-10-22 22:53:53 1422
原创 根据脑图谱获取感兴趣区域的mask
脑影像分析中,我们常常会针对性的对某些感兴趣区域进行分析,而对它们进行分析的前提是获取该区域的mask。感兴趣区域可以用以某些坐标为球心的球形区域定义,也可以用脑图谱上对应的某些脑区定义,其中,后者是较为常见的,也是我们今天要讨论的。本文参考自:【MRI脑影像分析——根据脑图谱获取感兴趣区域mask,以海马体与丘脑为例(matlab+nilearn+nibabel+REST1.8)】。本文是做ASPECT评分任务的,为了更方便讲述,下面主要以ASPECT-Altas来进行讲述。如果需要此图谱的可以私聊我。
2023-10-16 21:58:44 216
DPSK调制解调高斯信号_02代码.rar
2021-01-19
高斯信道编码建模与MATLAB仿真
2021-01-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人