医学图像的深度学习的完整代码示例:使用Pytorch对MRI脑扫描的图像进行分割

2023-05-02
阅读 22 分钟
1.3k
图像分割是医学图像分析中最重要的任务之一,在许多临床应用中往往是第一步也是最关键的一步。在脑MRI分析中,图像分割通常用于测量和可视化解剖结构,分析大脑变化,描绘病理区域以及手术计划和图像引导干预,分割是大多数形态学分析的先决条件。

使用Dino+SAM+Stable diffusion 自动进行图片的修改

2023-04-30
阅读 7 分钟
1.9k
SAM 是Mata发布的“Segment Anything Model”可以准确识别和提取图像中的对象。 它可以分割任何的图片,但是如果需要分割特定的物体,则需要需要点、框的特定提示才能准确分割图像。 所以本文将介绍一种称为 Grounding Dino 的技术来自动生成 SAM 进行分割所需的框。
封面图

将时间序列转换为分类问题

2023-04-29
阅读 4 分钟
1.3k
本文将以股票交易作为示例。我们用 AI 模型预测股票第二天是涨还是跌。在此背景下,比较了分类算法 XGBoost、随机森林和逻辑分类器。文章的另外一个重点是数据准备。我们必须如何转换数据以便模型可以处理它。
封面图

从零开始实现VAE和CVAE

2023-04-28
阅读 12 分钟
970
扩散模型可以看作是一个层次很深的VAE(变分自编码器),前向(forward,或者译为正向)的过程,通过在多个尺度上添加噪声来逐步扰乱数据分布;然后是反向的过程,去学习如何恢复数据结构,上述的破坏和恢复过程分别对应于VAE中的编码和解码过程。所以VAE是一个重要的概念需要掌握,本文将用python从头开始实现VAE和CVAE,...

ChatGPT的提示的一些高级知识

2023-04-27
阅读 4 分钟
800
作为一个大型语言模型(LLM)接口,ChatGPT有令人印象深刻的潜力,但是真正能否用好取决与我们的提示(Prompt ),一个好的提示可以让ChatGPT晋升到一个更好的层次。
封面图

AutoGPT也有Web UI了

2023-04-26
阅读 2 分钟
1.1k
但是AutoGPT最大的一个问题是只能通过命令行界面(CLI)运行,这样就算是专业的技术人员使用起来也很麻烦,想想Stable Diffusion,他的Web UI就非常好用。
封面图

使用PyTorch和Flower 进行联邦学习

2023-04-25
阅读 9 分钟
1.1k
本文将介绍如何使用 Flower 构建现有机器学习工作的联邦学习版本。我们将使用 PyTorch 在 CIFAR-10 数据集上训练卷积神经网络,然后将展示如何修改训练代码以联邦的方式运行训练。
封面图

参数与非参数检验:理解差异并正确使用

2023-04-24
阅读 2 分钟
764
数据科学是一个快速发展的领域,它在很大程度上依赖于统计技术来分析和理解复杂的数据集。这个过程的一个关键部分是假设检验,它有助于确定从样本中获得的结果是否可以推广到总体。

论文推荐:基于联合损失函数的多任务肿瘤分割

2023-04-23
阅读 2 分钟
804
FFANet作为骨干网络,作为对VoVNet的重新设计和优化,FFANet在骨干网中加入了残差连接,使VoVNet可以学习更多的特性。设计了一种特殊的特征融合机制来有效地聚合多尺度特征。最后,在上采样阶段,引入混合的注意力机制来细化分割结果

KL散度和交叉熵的对比介绍

2023-04-22
阅读 2 分钟
2k
KL散度(Kullback-Leibler Divergence)和交叉熵(Cross Entropy)是在机器学习中广泛使用的概念。这两者都用于比较两个概率分布之间的相似性,但在一些方面,它们也有所不同。本文将对KL散度和交叉熵的详细解释和比较。
封面图

AutoGPT、AgentGPT、BabyAGI、HuggingGPT、CAMEL:各种基于GPT-4自治系统总结

2023-04-21
阅读 3 分钟
1.4k
ChatGPT和LLM技术的出现使得这些最先进的语言模型席卷了世界,不仅是AI的开发人员,爱好者和一些组织也在研究探索集成和构建这些模型的创新方法。各种平台如雨后春笋般涌现,集成并促进新应用程序的开发。
封面图

从Pandas快速切换到Polars :数据的ETL和查询

2023-04-20
阅读 4 分钟
1.4k
我们以前的两篇文章来测试Pandas 1.5.3、polar和Pandas 2.0.0之间的性能了,Polars 正好可以解决大数据量是处理的问题,所以本文将介绍如何将日常的数据ETL和查询过滤的Pandas转换成polars。
封面图

Grad-CAM的详细介绍和Pytorch代码实现

2023-04-19
阅读 11 分钟
1.6k
Grad-CAM (Gradient-weighted Class Activation Mapping) 是一种可视化深度神经网络中哪些部分对于预测结果贡献最大的技术。它能够定位到特定的图像区域,从而使得神经网络的决策过程更加可解释和可视化。
封面图

生成式模型与辨别式模型

2023-04-18
阅读 2 分钟
1.6k
辨别式模型是一种能够学习输入数据和输出标签之间关系的模型,它通过学习输入数据的特征来预测输出标签。在分类问题中,我们的目标是将每个输入向量x分配给标签y。判别模型试图直接学习将输入向量映射到标签的函数f(x)。这些模型可以进一步分为两个子类型:
封面图

TensorFlow 决策森林详细介绍和使用说明

2023-04-17
阅读 11 分钟
820
两年前TensorFlow (TF)团队开源了一个库来训练基于树的模型,称为TensorFlow决策森林(TFDF)。经过了2年的测试,他们在上个月终于宣布这个包已经准备好发布了,也就是说我们可以真正的开始使用了。所以这篇文章将详细介绍这个软件包,并向你展示如何(有效地)使用它。
封面图

时间序列的平稳性

2023-04-16
阅读 4 分钟
1.3k
当未来的数据与现在相似时,它更容易建模。平稳性描述了时间序列的统计特征不随时间变化的概念。因此一些时间序列预测模型,如自回归模型,依赖于时间序列的平稳性。

用CTGAN生成真实世界的表格数据

2023-04-15
阅读 4 分钟
1.8k
现实世界的复杂性与许多方面相关(例如,缺失数据、不平衡数据、噪声数据),但最常见的一个问题是包含异构(或“混合”)数据,即包含数字和分类特征的数据。

神经网络初学者的激活函数指南

2023-04-14
阅读 4 分钟
1.3k
如果你刚刚开始学习神经网络,激活函数的原理一开始可能很难理解。但是如果你想开发强大的神经网络,理解它们是很重要的。但在我们深入研究激活函数之前,先快速回顾一下神经网络架构的基本元素。如果你已经熟悉神经网络的工作原理,可以直接跳到下一节。神经网络架构神经网络由称为神经元的链接节点层组成,神经元通过...

2023年4月的12篇AI论文推荐

2023-04-13
阅读 7 分钟
1.2k
GPT-4发布仅仅三周后,就已经随处可见了。本月的论文推荐除了GPT-4以外还包括、语言模型的应用、扩散模型、计算机视觉、视频生成、推荐系统和神经辐射场。

Pandas 2.0 vs Polars:速度的全面对比

2023-04-12
阅读 5 分钟
2.5k
前几天的文章,我们已经简单的介绍过Pandas 和Polars的速度对比。刚刚发布的Pandas 2.0速度得到了显著的提升。但是本次测试发现NumPy数组上的一些基本操作仍然更快。并且Polars 0.17.0,也在上周发布,并且也提到了性能的改善,所以我们这里做一个更详细的关于速度方面的评测。
封面图

利用强化学习Q-Learning实现最短路径算法

2023-04-11
阅读 6 分钟
1.5k
如果你是一名计算机专业的学生,有对图论有基本的了解,那么你一定知道一些著名的最优路径解,如Dijkstra算法、Bellman-Ford算法和a*算法(A-Star)等。
封面图

可视化CNN和特征图

2023-04-10
阅读 4 分钟
1.2k
卷积神经网络(cnn)是一种神经网络,通常用于图像分类、目标检测和其他计算机视觉任务。CNN的关键组件之一是特征图,它是通过对图像应用卷积滤波器生成的输入图像的表示。
封面图

7个最新的时间序列分析库介绍和代码示例

2023-04-08
阅读 6 分钟
1.7k
时间序列分析包括检查随着时间推移收集的数据点,目的是确定可以为未来预测提供信息的模式和趋势。我们已经介绍过很多个时间序列分析库了,但是随着时间推移,新的库和更新也在不断的出现,所以本文将分享8个目前比较常用的,用于处理时间序列问题的Python库。他们是tsfresh, autots, darts, atspy, kats, sktime, greyk...
封面图

常用的ControlNet以及如何在Stable Diffusion WebUI中使用

2023-04-07
阅读 5 分钟
9k
上一次我们已经介绍了如何通过代码的方式使用ControlNet,Stable Diffusion WebUI里面包含了很详细的使用设置,我们可以直接在上面进行操作,所以本文将介绍如何以傻瓜的方式直接使用ControlNet。

Pandas 2.0正式版发布: Pandas 1.5,Polars,Pandas 2.0 速度对比测试

2023-04-06
阅读 6 分钟
1.7k
Pandas 2.0正式版在4月3日已经发布了,以后我们pip install默认安装的就是2.0版了,Polars 是最近比较火的一个DataFrame 库,最近在kaggle上经常使用,所以这里我们将对比下 Pandas 1.5,Polars,Pandas 2.0 。看看在速度上 Pandas 2.0有没有优势。
封面图

使用Python实现Hull Moving Average (HMA)

2023-04-05
阅读 6 分钟
1.1k
赫尔移动平均线(Hull Moving Average,简称HMA)是一种技术指标,于2005年由Alan Hull开发。它是一种移动平均线,利用加权计算来减少滞后并提高准确性。

用遗传算法寻找迷宫出路

2023-04-04
阅读 14 分钟
1.3k
遗传算法需要两个参数,即种群和适应度函数。根据适应度值在群体中选择最适合的个体。最健康的个体通过交叉和突变技术产生后代,创造一个新的、更好的种群。这个过程重复几代,直到得到最好的解决方案。
封面图

奇异值分解(SVD)和图像压缩

2023-04-03
阅读 4 分钟
2.8k
在本文中,我将尝试解释 SVD 背后的数学及其几何意义,还有它在数据科学中的最常见的用法,图像压缩。奇异值分解是一种常见的线性代数技术,可以将任意形状的矩阵分解成三个部分的乘积:U、S、V。原矩阵A可以表示为:具体来说,A矩阵中的奇异值就是\Sigma矩阵中的对角线元素,它们是矩阵A的特征值的平方根,表示A矩阵在...

这个ChatGPT插件可以远程运行代码,还生成图表

2023-04-02
阅读 3 分钟
1.3k
我们做数据分析时一般都是使用这样的流程来进行:运行jupyter notebook、安装库、解决依赖关系和版本控制,数据分析,生成图表。ChatGPT的“Code Interpreter”插件可以帮助我们进行数据分析。
封面图

基于凸集上投影(POCS)的聚类算法

2023-04-01
阅读 3 分钟
1.6k
POCS:Projections onto Convex Sets。在数学中,凸集是指其中任意两点间的线段均在该集合内的集合。而投影则是将某个点映射到另一个空间中的某个子空间上的操作。给定一个凸集合和一个点,可以通过找到该点在该凸集合上的投影来进行操作。该投影是离该点最近的凸集内的点,可以通过最小化该点和凸集内任何其他点之间的...