2021-11

发表于 2021-11-02 更新于 2022-03-02 分类于生活阅读次数：

本文字数： 2.4k 阅读时长 ≈ 8 分钟

十一月，进入三个字的世界。

前言

进入了十一月，三个字了，

11.01

11.02

11.03

11.04

Soft Label & Hard Label. 參考李宏毅老師與各路大神的整理 | by Ray Lin | 學以廣才 | Medium

11.05

周五待在实验室里的下午。

11.06

又要重新开始立flag了，就像三年前，我说到的就尽量做到，有些东西是好的，有些东西是不好的，一定要把握住一个度，为自己负责。

谢谢。

A Gentle Introduction to Graph Neural Networks

11.07

not so good.

11.08

今天是周一，我在做什么？

我在画图啦！

试图把凹凸表现出来，希望这是最后一稿。

11.09

整体是不知道在做什么的一天，我已经颓中颓。

不过感谢音乐，让写出了新型文书，好。

11.10

赶快把专利弄完吧，我倦了。

可能是很多时候我们需要沟通，沟通去解决一些不拘泥于表面的问题，开阔一下视野。

777说得对，我应该躺一段时间。

GAN Inversion: A Survey

A revived project of Syntax Highlight Code for planetB.

11.11

自由的周四。

11.12

忙碌的周五。

11.13

想清楚看明白。

然后，会改正吗？

11.14

我很很很很很愿意。

先用python实现基础功能：

基础拼接功能
文字描述功能
图像描述（复杂进阶）

统计字数APP

11.15

简单的黑白拼接应该简单吧？不用指纹之类的？

我好想快点弄完专利，找到数据写点什么，然后做自己感兴趣的app。

11.16

今天老师找了个本科生过来，我觉得可以做，但是我害怕最后我帮人做。

差不多专利和老师对过意见了，写完它！

11.17

外观专利终于搞完啦！

爽哦！

11.18

这周把专利改完，写我的WTFUNET。

11.19

哇，周五，是非常颓丧的，我为何颓丧？彤为何颓丧？

一绪。

11.20

oh SAM

11.21

现在开始写专利，快把v1给老师。

清华大学开发出的反向词典：

万词王

万词王GitHub

这个网速我真挺害怕的。

11.22

大论文系列：

med2image

MRI图像切片（nii格式转2D）

[切片]CT、MRI(Nii)的切片处理(转2D图像) + 代码

[代码实现]UNet++之pytorch + 环境安装 + Brats2018 + 2D分割

2DUNet和3DUNet

BraTS数据解析

哭了，一大早起来就是推翻自己的大论文构思。

应该不能超分，而是去噪/图像增强。

（为啥啊我看的论文他们都分为两块来做呢？

还有为啥他们的三维重建可以直接做出不创新呢？）

https://github.com/LeeJunHyun/Image_Segmentation

11.23

可以让我顺利一下吗？

好吧，顺利需要积累。

我喜欢ISFJ。

11.24

看论文。

特征融合。

https://github.com/YimianDai/open-aff/blob/master/aff_pytorch/aff_net/fusion.py

哦亲爱的妈妈，您知道吗？我今天下午定了基本题目，我觉得基本极了，可您也知道，我目前并没有想法，所以妈妈，就先这样吧。

'''参考：https://blog.csdn.net/tototuzuoquan/article/details/113828042'''

import torch.nn as nn
import torch.nn.functional as F

class MNIST_Net(nn.Module):
  
  '''Conv -> MaxPool -> RELU -> Conv -> MaxPool -> RELU -> FC -> RELU -> FC -> SOFTMAX'''
  def __init__(self):
    super(MNIST_Net,self).__init__()
    self.conv1 = nn.Conv2d(1, 10, 5, 1)
        self.conv2 = nn.Conv2d(10, 20, 5, 1)
        self.fc1 = nn.Linear(4*4*20, 50)
        self.fc2 = nn.Linear(50, 10)

    def forward(self, x):
        x = F.relu(self.conv1(x))
        x = F.max_pool2d(x, 2, 2)
        x = F.relu(self.conv2(x))
        x = F.max_pool2d(x, 2, 2)
        x = x.view(-1, 4*4*20)
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        return F.log_softmax(x, dim=1)