1. 安装环境 首先 curl -Ls https://fsl.fmrib.ox.ac.uk/fsldownloads/fslconda/releases/getfsl.sh | sh -s 2. 准备数据 3. 使用FSL FAST分割
原始仓库：https://github.com/jongdory/ALDM/tree/main 1. 准备数据集 2. 训练VQ-GAN以及SPADE 首先训练VQ-GAN，将config中的ch从128降维32（由于显存过小）。 CUDA_VISIBLE_DEVICES=0,1 python ma
原始项目：https://github.com/MICV-yonsei/CT2MRI/tree/main 1. 数据预处理 1.1 生成hdf5文件 如果数据格式为.raw，且形状为(num, height, width) = (160, 224, 168)，即师兄的数据。 那么使用 generat
csdn教程 github仓库 git克隆仓库。 创建自己的二维数据。 在datasets路径执行combine命令。 修改该文件中的两个路径参数： python3 combine_A_and_B.py --use_AB
1. 使用混合精度训练 (FP16) 启用 混合精度训练 (FP16) 通常不会显著影响模型性能，甚至可能提高训练速度，但有一些细节和潜在影响需要注意： 1. 性能提升 训练速度：混合精度训练可以提升模型的训练速度，特别是对于使用 NVIDIA A100 等支持 Tensor Core 的现代 GP
