前言导致pytorch的模型训练速度比较慢的原因最有可能的是三个：1. 数据导入环节，操作复杂2.模型本身很复杂，数据流在模型中传递时过于耗时 3.loss函数计算复杂。这其中第一个环节往往是最有可能的原因，第二，三个环节其实一回事；pytorch本身的框架针对这两个问题也做了大量的优化，如果不是专业技术过硬，建议在这两个环节上就不要过于纠结了，设计简单易用的模型才是正道。数据导入环...

基于深度学习框架的指标 一基于深度学习框架的IQA指标 （1）如果说传统领域内的指标有什么缺陷的话，我个人认为传统指标的缺陷归根到底还是其所设计的特征不能很好地匹配真实的人类视觉，在某些领域往往会产生同人类视觉感知相左的结论。如果说深度学习IQA指标的设计有什么思想基础的话，我认为应该是从刻画视觉感知的角度出发来制定IQA的指标，形象的来说，拿一个vgg作为特征提取器，然后衡量两张图这些特征的..

在dicom图像中，对于人体器官以及部位的观察通常是有固定的窗宽窗位的，但是有时候经过前面算法的一些处理后结果图像往往不能够套用现有的窗宽窗位，这里提供一种简单的自适应调整窗宽窗位的算法思路。一、为什么要设置窗宽窗位我并不是专门学医学出身，因此并不能给出医学上的解释，但是从图像的角度来说所谓的窗宽窗位就是找到一个合理的灰度值区间段，在这个区间段中最大程度保留了所关注的内容或者是整张图片的主...

使用Pycharm 进行远程调试时会出现这样的错误，tokenize.py 报错，具体情况如下这其实是pycharm没有设置好的原因，具体需要在设置编译器的时候，吧path mapping设置好，将本地位置和服务器上位置设置好mapping，只需要按部就班的设置就可以了。...

WGAN相关学习，主要文献 improved of training of WGAN首先我们需要明白一般的GAN数学表达式如下:mathminGmaxDEx∼Pr[log(D(x))]+Ex~∼Pg[log(1−D(x~))]math\mathop{min}\limits_{G}\mathop{max}\limits_{D}\mathop{E}\limits_{x\sim{P_r}}[log...

Lookahead 优化算法是Adam的作者继Adam之后的又一力作，论文可以参见https://arxiv.org/abs/1907.08610这篇博客先不讲述Lookahead具体原理，先介绍如何将Lookahead集成到现有的代码中。本人在三个项目中（涉及风格转换、物体识别）使用该优化器，最大的感受就是使用该优化器十分有利于模型收敛，原本不收敛或者收敛过慢的模型在使用lookahea...

本人环境：win10 pro 64bits Anaconda python3.6安装tensorflow 2.0 以及 tensorflow 1.14解决方法：conda uninstall wrapt 或者pip uninstall wrapt然后安装下面是安装完成后截图...

中文技术博客上描述的反向传播算法有一些跳跃性非常大，对于理解神经网络乃至深度学习的过程非常不利，我在网上找到一篇Backpropagation 的推导过程实例（https://mattmazur.com/2015/03/17/a-step-by-step-backpropagation-example/），写得明白透彻，按照最典型的梯度下降算法来进行推导，现将学习过程记录如下。1. loss ..

在深度神经网络训练过程中，常常需要将图像有重叠的切割后送入网络。我现在把这段简单的代码放出来供大家参考。import numpy as npimport cv2def cutimg(img,num,overlap_factor):'''img 是图像矩阵，num是切过后子图数目，因为统一为正方形切图，因此这里的num开方后需要为整数，overlap_f...

传统全参考图像质量衡量标准 结构相似度结构相似度SSIM 是目前最为成功、使用范围最广泛的评价标准，在图像科学的很多领域都是必备的评价指标，如果对于场景的把握不是非常熟悉使用ssim是一个推荐选项ssim的设计灵感来源于心理学上的韦伯定理，韦伯定理描述的是人体对于感知信号的敏感程度，简而言之就是人体对于信号的变化绝对值并不敏感而对于信号的相对变化值十分敏感，用数学公式表达如下：C=ΔIIC...