IBOK

[SimpleITK] Python으로 medical image processing하기 - (1) Load, Resample와 이어진다. SimpleITK library의 간단한 사용법 역시 이 글에서 확인할 수 있다. SimpleITK library를 이용해 Python으로 resample 하기 의료영상의 전처리에 정말 많이 쓰이는 library인 것 같은데, 정보가 많이 없어 힘들었다. SimpleITK library를 이용해 Python으로 이미지를 resample하는 법과, 이후에 가능하다면 registration 하는 법까지 정 bo-10000.tistory.com SimpleITK를 이용해 Python으로 processing 하기 [SimpleITK] Python으로 medical image p..

Python 에는 함수를 꾸며줄 수 있는 decorator라는 기능이 존재한다. Decorator은 @ 기호를 사용하여, 함수의 앞과 뒤에 추가적인 내용을 더해준다. 처음에 봤을 땐 @가 뭔가 싶어서 Python @라고 검색했더니 검색결과가 안나와서 당황했다.. 1) nested function의 형태와, 2) decorator class 두 가지 형태로 사용할 수 있다. 1) nested function - decorator 함수를 정의해준다 (test_decorator). - decorator 함수는 input으로 함수를 받고, 앞뒤로 취해줄 action을 정의한 후 해당 함수를 호출해 주면 된다. - decorator을 사용할 함수를 정의하기 전 decorator 기호 @와 함께 decorator ..

다음과 같이 함수의 input, output format에 대한 주석을 달 수 있다. def func(a: str, b:int = 4) -> int: return int(a) + b 함수의 parameter과 return value의 format에 대한 주석을 작성하는 것. **주석**이기 때문에 강제성은 없어, 무시하고 사용할 수 있다. str로 지정된 parameter a에 int variable을 넣어 줘도 된다. 사용법 : : 을 이용해 parameter의 data type을 할당 - 을 이용해 return value의 data type을 할당 typing을 이용해 더 많은 자료형을 표현할 수 있다. 이는 다음 블로그에 아주 잘 설명되어 있다. https://www.daleseo.com/pytho..

전체 메모리 사용량 확인 import psutil psutil.virtual_memory() >> svmem(total=34282946560, available=21586800640, percent=37.0, used=12696145920, free=21586800640) 변수 메모리 할당량 확인 import sys sys.getsizeof(variable) #size of variable in Bytes

참고 : https://discuss.pytorch.org/t/when-should-i-use-nn-modulelist-and-when-should-i-use-nn-sequential/5463/3 When should I use nn.ModuleList and when should I use nn.Sequential? From what I see, it is interchangeable then? Unless there is some order to be followed, then we should use Sequential. Am I right? discuss.pytorch.org official docs : https://pytorch.org/docs/stable/generated/torch.nn.M..

의료영상의 전처리에 정말 많이 쓰이는 library인 것 같은데, 정보가 많이 없어 힘들었다. SimpleITK library를 이용해 Python으로 이미지를 resample하는 법과, 이후에 가능하다면 registration 하는 법까지 정리해 보려고 한다. SimpleITK를 이용해 Python으로 processing 하기 [SimpleITK] Python으로 medical image processing하기 - (1) Load, Resample [SimpleITK] Python으로 medical image processing하기 - (2) Registration 1 [SimpleITK] Python으로 medical image processing하기 - (3) Registration 2 [Simpl..

from sklearn.linear_model import LogisticRegression model = LogisticRegression() 주요 arguments max_iter: iteration의 최대치 (default: 100) penalty: penalization에 사용되는 norm의 종류. Solver의 종류에 따라 사용 가능한 penalty의 종류가 상이하기 때문에 docs를 확인해야 함. {'l1', 'l2', 'elasticnet', 'none'}, (default: 'l2') 'elasticnet' 의 경우 l1+l2 penalty를 함께 사용하며, l1_ratio parameter를 통해 그 비율을 조정할 수 있다. solver: optimization에 사용되는 algorith..

www.kaggle.com/pmigdal/livelossplot-for-training-loss-tracking Livelossplot은 학습 과정에서 real-time으로 실행 로그를 보여주는 패키지이다. 다음과 같이 설치할 수 있다. !pip install livelossplot 아래는 사용 예제이다. from livelossplot import PlotLosses liveloss = PlotLosses() model = model.to(device) loss_F = nn.MSELoss() for epoch in range(num_epochs): logs = {} for phase in ['train', 'validation']: if phase == 'train': model.train() else..

state_dict - torch.nn.Module 모델의 각 계층의 학습 가능한 매개변수(model.parameters())들을 매핑하는 dictionary 객체. - torch.optim 옵티마이저 객체 또한 옵티마이저의 상태와 사용된 하이퍼파라미터 정보를 포함한 state_dict를 가짐. state_dict 저장하기/불러오기 저장하기 torch.save(model.state_dict(), PATH) 불러오기 model = TheModelClass(*args, **kwargs) model.load_sate_dict(torch.load(PATH) model.eval() - inference를 위해 학습된 모델의 학습된 매개변수만 state_dict를 이용하여 저장하는 방법. - 모델 저장 시 .pt ..