最近想训练一个模型，奈何自己电脑的GPU太拉胯根本带不动，用cpu跑跑一整天才跑完一个epoch，真的心累，于是乎，我把目光投向了云GPU。然后kaggle的云GPU瞬间吸引了我的目光，好家伙，不要钱还好操作，这波羊毛难道不薅？！冲冲冲！！！kaggle官网：地址（一）注册虽说薅羊毛很快乐，但是刚开始薅的时候还是要花点儿功夫的，注册的时候我就折腾了一会儿。1.点击右上角“Register”注册2.

以下内容均为个人理解，如有错误，欢迎指正。UNet-3D论文链接：地址网络结构UNet-3D和UNet-2D的基本结构是差不多的，分成小模块来看，也是有连续两次卷积，下采样，上采样，特征融合以及最后一次卷积。UNet-2D可参考：VGG16+UNet个人理解及代码实现（Pytorch）不同的是，UNet-3D的卷积是三维的卷积。关于2D卷积和3D卷积的区别可参见这篇文章：链接需要注意的是，UNet

在设置中找到“第三方插件”选项，并把安全模式关闭，此时就可以下载社区中的插件了关闭安全模式后，可以浏览社区插件，但此时可能会出现无法加载插件的问题经查阅，国内某位大佬整理了obsidian 的各种插件，并整合在了gitee上：地址可以从这个地址下载相关的插件插件下载完毕后，得到一个压缩包。此时进入我们正在使用的obsidian笔记文件夹下，找到./obsidian文件夹，进入plugins文件夹（

以下内容均为个人理解，如有错误，欢迎指正。VGG16网络结构vgg16的网络结构如下所示，16的含义就是说网络中有16个全连接层。图1没有画出最后的卷积层。结合这两张图来看，捋一下网络的结果和卷积的过程：1.第一阶段：假设输入图片大小为224 x 224 x 3（如图2），先经历两次3 x 3的卷积，得到 224 x 224 x 64，再经历一次最大池化，得到112 x 112 x 1282.第二

以下内容均为个人理解，如有错误，欢迎指正。UNet-3D论文链接：地址网络结构UNet-3D和UNet-2D的基本结构是差不多的，分成小模块来看，也是有连续两次卷积，下采样，上采样，特征融合以及最后一次卷积。UNet-2D可参考：VGG16+UNet个人理解及代码实现（Pytorch）不同的是，UNet-3D的卷积是三维的卷积。关于2D卷积和3D卷积的区别可参见这篇文章：链接需要注意的是，UNet

最近想训练一个模型，奈何自己电脑的GPU太拉胯根本带不动，用cpu跑跑一整天才跑完一个epoch，真的心累，于是乎，我把目光投向了云GPU。然后kaggle的云GPU瞬间吸引了我的目光，好家伙，不要钱还好操作，这波羊毛难道不薅？！冲冲冲！！！kaggle官网：地址（一）注册虽说薅羊毛很快乐，但是刚开始薅的时候还是要花点儿功夫的，注册的时候我就折腾了一会儿。1.点击右上角“Register”注册2.