小编S.E*_*.EB的帖子

嗨,当我尝试在keras中运行代码时,它显示以下错误:

from keras.utils.visualize_util import plot
ImportError: No module named 'keras.utils.visualize_util'

我怎么解决这个问题？谢谢

我曾经在anaconda环境中很好地运行jupyter。在显示警告后

IOPub data rate exceeded.
The notebook server will temporarily stop sending output
to the client in order to avoid crashing it.
To change this limit, set the config variable
`--NotebookApp.iopub_data_rate_limit`.

一旦我通过以下命令对其进行了更改：

$jupyter notebook --NotebookApp.iopub_data_rate_limit=2147483647

它突然变得非常缓慢，即使它没有打开笔记本的内容。在谷歌浏览器的左下方显示：

并花费很长时间打开笔记本，并且打开的笔记本中的颜色Home不是绿色。我不知道为什么？原因是什么，如何重新启动Jupyter Notebook配置？

你能帮我这个忙吗？

我正在尝试保存灰度图像（256,256,1）并在输出中显示它。

im = data.astype(np.uint8)
print im.shape
im = np.transpose(im, (2,1,0)) 
print im.shape
im.show()

但是，我收到以下错误：

(256, 256, 1)
Traceback (most recent call last):
  File "lmdb_reader.py", line 37, in <module>
    plt.imshow(im)
  File "/home/se/anaconda2/envs/caffeenv/lib/python2.7/site-packages/matplotlib/pyplot.py", line 3029, in imshow
    **kwargs)
  File "/home/se/anaconda2/envs/caffeenv/lib/python2.7/site-packages/matplotlib/__init__.py", line 1819, in inner
    return func(ax, *args, **kwargs)
  File "/home/se/anaconda2/envs/caffeenv/lib/python2.7/site-packages/matplotlib/axes/_axes.py", line 4922, in imshow
    im.set_data(X)
  File "/home/se/anaconda2/envs/caffeenv/lib/python2.7/site-packages/matplotlib/image.py", line 453, in set_data
    raise TypeError("Invalid dimensions for image data")
TypeError: Invalid dimensions for image data

我正在对我的数据进行FCN32语义分段.我运行算法来微调我的数据(只有一个通道的灰度图像),直到80,000次迭代; 然而,损失和准确度是波动的,输出图像完全是黑色的.甚至,在80,000次迭代后损失如此之高.我认为分类器不能很好地训练我的数据.所以,我要从头开始训练.另一方面,我的数据有不平衡的类成员.背景像素多于其他四个类.一些研究人员建议使用加权损失.有谁有想法吗？我做得对吗？如何将此加权损失添加到train_val.prototxt？

如果您了解与加权损失培训相关的任何资源/示例,我将非常感激,请在此与我分享.

再次感谢

我有两个张量

# losses_q
tensor(0.0870, device='cuda:0', grad_fn=<SumBackward0>)
# this_loss_q
tensor([0.0874], device='cuda:0', grad_fn=<AddBackward0>)

当我尝试连接它们时，pytorch 会引发错误：

losses_q = torch.cat((losses_q, this_loss_q), dim=0)

RuntimeError: zero-dimensional tensor (at position 0) cannot be concatenated

如何解决这个错误？

我使用此代码将 dicom 图像系列读入 python

series_IDs = sitk.ImageSeriesReader.GetGDCMSeriesIDs(data_directory)
series_file_names = sitk.ImageSeriesReader.GetGDCMSeriesFileNames(data_directory, series_IDs[0])
series_reader = sitk.ImageSeriesReader()
series_reader.SetFileNames(series_file_names)
series_reader.LoadPrivateTagsOn()
image3D=series_reader.Execute()
size = image3D.GetSize()

目前，其定位如下：

我需要将方向更改为以下方向：

python中是否有任何命令可以改变SimpleITK图像的方向？

我正面临这个问题，请你给我一些提示如何解决这个问题：

$sudo cp ~/anaconda2/lib/libhdf5* /usr/lib/x86_64-linux-gnu/
cp: not writing through dangling symlink '/usr/lib/x86_64-linux-gnu/libhdf5.so'
cp: not writing through dangling symlink '/usr/lib/x86_64-linux-gnu/libhdf5_hl.so'

谢谢

我已经用 256x256 的固定尺寸图像训练了FCN 模型。我能否请教专家，一旦图像的大小从一张图像变为另一张图像，我该如何训练相同的模型？

我真的很感谢你的建议。谢谢

我有缩放因子，我想通过相对于Python中的（图中的红点）缩放sf=[0.5,0.75,0.85,1,1.25,1.5,1.75,2]来计算点（蓝线）的坐标。e=[70, 140]center_point=[89, 121]

scaled_point_x = e[0] * sf[0]
scaled_point_y = e[1] * sf[0]
ee=[scaled_point_x,scaled_point_y]  # yellow color line in the figure

添加中心点坐标平移到红点（中心点）后，我得到黑线，这是不正确的

new=[scaled_point_x+center_point[0],scaled_point_y+center_point[1]]

我怎样才能解决这个问题？我哪一部分做错了？

我的道歉自我的问题以来听起来很愚蠢。但是我在深度学习和咖啡方面还很陌生。我们如何才能检测到需要多少次迭代才能在我们自己的数据集上微调预训练？例如，我为5个类的数据运行fcn32。何时可以通过查看训练阶段的损失和准确性来停止微调过程？

非常感谢

我有5x5单位矩阵和浮点数列表

 1 0 0 0 0
 0 1 0 0 0
 0 0 1 0 0
 0 0 0 1 0 
 0 0 0 0 1         L=[0.01, 0.02, 0.26, 0.03, 0.68]

我的问题是如何将列表元素放入单位矩阵？

 0.01 0    0    0    0
 0    0.02 0    0    0
 0    0    0.26 0    0
 0    0    0    0.03 0 
 0    0    0    0    0.68 

谢谢

我在图像中有6个点的坐标

(170.01954650878906, 216.98866271972656)
(201.3812255859375, 109.42137145996094)
(115.70114135742188, 210.4272918701172)
(45.42426300048828, 97.89037322998047)
(167.0367889404297, 208.9329833984375)
(70.13690185546875, 140.90538024902344)

我有一点作为中心[89.2458, 121.0896].我试图用4个旋转度(从0,90,-90,180)和6个比例因子(0.5,0.75,1,1.10,1.25,1.35,1.5)重新计算python中点的位置.
我的问题是如何旋转和缩放相对于中心点的上述点并获得这6个点的新坐标？

非常感谢您的帮助.