from scipy import ndimageimport numpy as npimport SimpleITK as sitkimport nibabel as nibimport matplotlib.pyplot as pltimport osif __name__ == '__main__':working_dir = "case01_label/"# 因为mege之前要分块预测，所

linux

windows:每隔1s查看一次nvidia-smi -l 1linux每隔1s查看一次watch -n 1 nvidia-smi只查看一次nvidia-smi

改动的部分会高亮显示，每隔0.5s显示一次watch -d -n 0.5 nvidia-smi

今天仔细看了一下luna16的数据集，准备自己对照位置标注一下，感觉真是离谱，人眼看起来什么都没有的区域医生竟然标上了：这个地方真的有肺结节吗？我应该怎么框呢？为什么这条线的中间会有肺结节，怎么看的？简直要崩溃了这个点跟别的点有什么不一样吗？！我甚至认为别的点更像结节这块区域难道不是什么都没有吗我感觉医学图像的标注也太不靠谱了吧...

read_image(image,'C:/Users/lee/Documents/halcon/test1.jpg') //图片变量名，路径read_image(image,'C:/Users/lee/Documents/halcon/test1.jpg')regiongrowing(image,Regions,3, 3, 6, 100)count_obj(Regions, Number)open

import numpy as npimport pandas as pdarr = np.random.randint(5,10,(5,2))df = pd.DataFrame(arr,columns=['file','label'])df.to_csv("test.csv",index=None)如果需要行号，可以参考这篇文章：这里

优化算法

实现了这个就实现了swin-block部分，现在主要实现了左边的部分再实现MLP层就可以堆叠出半个swin-block了，记录一下import tensorflow as tffrom tensorflow.keras.layers import (Input,Conv2D,Dense,LayerNormalization,ReLU,Add...

在程序代码的最上面加上下面4行代码：import warningswarnings.filterwarnings("ignore")import osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'即：