文件名称：教程：MONAI教程
文件大小：9.93MB
文件格式：ZIP
更新时间：2024-02-24 01:24:33
jupyter-notebook pytorch monai monai-tutorials monai-workflows
MONAI教程 该存储库托管MONAI教程。 1.要求 大多数示例和教程都需要和 。 这些可以通过以下方式安装： python -m pip install -U pip python -m pip install -U matplotlib python -m pip install -U notebook 一些示例可能需要可选的依赖项。 如果出现任何可选的导入错误，请根据MONAI的安装相关的软件包。 或使用以下命令安装所有可选要求： pip install -r https://raw.githubusercontent.com/Project-MONAI/MONAI/master/requirements-dev.txt 从Colab运行笔记本 大多数Jupyter笔记本都有“在Colab中打开”按钮。 请右键单击该按钮，然后选择“在新选项卡中打开链接”以启动带有相应笔记本内容的Colab页面。 要通过Colab使用GPU资源，请记住将运行时类型更改为GPU ： 从“ Runtime菜单中选择“ Change runtime type 从下拉菜单中选择GPU 单
【文件预览】：
tutorials-master
----.gitignore(2KB)
----2d_classification()
--------mednist_tutorial.ipynb(243KB)
----requirements.txt(45B)
----runexamples.sh(5KB)
----runner.sh(9KB)
----LICENSE(11KB)
----acceleration()
--------multi_gpu_test.ipynb(7KB)
--------threadbuffer_performance.ipynb(8KB)
--------automatic_mixed_precision.ipynb(283KB)
--------distributed_training()
--------dataset_type_performance.ipynb(243KB)
--------transform_speed.ipynb(14KB)
--------fast_training_tutorial.ipynb(261KB)
----.github()
--------ISSUE_TEMPLATE()
--------workflows()
----3d_segmentation()
--------unet_segmentation_3d_ignite.ipynb(305KB)
--------ignite()
--------challenge_baseline()
--------brats_segmentation_3d.ipynb(294KB)
--------torch()
--------spleen_segmentation_3d_lightning.ipynb(1.08MB)
--------unet_segmentation_3d_catalyst.ipynb(97KB)
--------spleen_segmentation_3d.ipynb(1.24MB)
----README.md(12KB)
----2d_segmentation()
--------torch()
----figures()
--------curves.png(51KB)
--------models_ensemble.png(187KB)
--------Lung_2.png(499KB)
--------multi_transform_chains.png(459KB)
--------image_101.png(204KB)
--------brats_tasks.png(261KB)
----federated_learning()
--------substra()
----modules()
--------engines()
--------mednist_GAN_workflow_array.ipynb(151KB)
--------integrate_3rd_party_transforms.ipynb(87KB)
--------models_ensemble.ipynb(65KB)
--------transforms_demo_2d.ipynb(762KB)
--------interpretability()
--------varautoencoder_mednist.ipynb(988KB)
--------post_transforms.ipynb(1.97MB)
--------mednist_GAN_workflow_dict.ipynb(152KB)
--------3d_image_transforms.ipynb(258KB)
--------public_datasets.ipynb(710KB)
--------nifti_read_example.ipynb(8KB)
--------mednist_GAN_tutorial.ipynb(180KB)
--------load_medical_images.ipynb(22KB)
--------layer_wise_learning_rate.ipynb(269KB)
--------learning_rate.ipynb(285KB)
--------dynunet_tutorial.ipynb(52KB)
--------autoencoder_mednist.ipynb(233KB)
----3d_classification()
--------ignite()
--------torch()