摘要:
分割部分 利用T2-flair数据 训练500次后的分割效果: loss值变化情况: 采用dice系数而不是交叉熵,所以会出现loss小于0的情况 dice系数:最终的val_dice在0.65左右 预测值: 真实标签: 利用reg_T1数据 训练500次后的分割效果: 最终的val_dice在0. 阅读全文
posted @ 2025-12-14 00:59
点影成金
阅读(9)
评论(0)
推荐(0)
摘要:
测试:考虑采用标准化方法对时间序列数据进行预处理 划分数据集:在数据增强之前划分数据集 交叉验证:事先划分数据集的话,考虑不采用交叉验证 拆分数据集: from sklearn.model_selection import train_test_split X_train, X_valid, y_t 阅读全文
posted @ 2025-12-14 00:54
点影成金
阅读(9)
评论(0)
推荐(0)
摘要:
图片有通道,通常是RGB 时间序列也有通道,即不同维的时间序列数据 最简单的1维时间序列可以认为是1个通道(一条线) 利用CNN分类时间序列的网络结构: 搭建网络步骤: 它们的步骤差不多是一样的: [导入模块并创建数据] [建立模型] [定义优化器] [编译模型] [训练模型] [检验模型] [可视 阅读全文
posted @ 2025-12-14 00:53
点影成金
阅读(10)
评论(0)
推荐(0)

浙公网安备 33010602011771号