Cascaded-fcn: مشكلة اختبار النموذج

هل هناك خدعة أهملتها؟

النتيجة تبدو غريبة. تأكد من أنه يمكنك تشغيل الكمبيوتر الدفتري كما هو والحصول على النتائج الصحيحة قبل إجراء التعديلات.

الرمز هو نفسه الذي تظهره في دفتر الملاحظات ، وبالتالي لا يمكنني العثور على مكان الخطأ في الرمز ، هل يمكنك إعطائي بعض الإرشادات؟ شكرا

واجهت نفس المشكلة معك ، هل عرفت؟ أود أن أقدر إذا كان يمكنك مشاركة طريقك للخروج. تضمين التغريدة

أعتقد أن النموذج الذي تم إصداره خاطئ ، فعندما أتدرب بنفسي على نموذجي وأستخدم الكود أعلاه ، فإنه يعمل جيدًا ، والنتيجة جيدة

تضمين التغريدة

هذا خبر عظيم manutdzou . أنت أكثر من موضع ترحيب لكتابة طلب سحب وتقديم نموذجك المدرب للجمهور. ما عليك سوى تحميل النموذج الخاص بك إلى مضيف الملفات العام وتعديل الملف التمهيدي بالرابط واسمك.

واو ، لقد حصلت على نفس النتيجة الغريبة مثل النتيجة الأولى. ثم أنا متأكد من أن هذا النموذج الذي تم إصداره ليس جيدًا. على أي حال ، أعدت بناء U-Net على TensorFlow ، نتيجة تنبؤي ليست جيدة ولكنها ليست غريبة.

تضمين التغريدة مرحبا شباب ، هل يمكنك مشاركة الرمز الخاص بك؟
شكرا جزيلا.

مرحبا جميعا،
لقد قمت للتو بتحديث الملف التمهيدي وأضفت صور عامل ميناء يعمل على تشغيل الكود الخاص بنا بسلاسة.
يرجى إلقاء نظرة في الملف التمهيدي للحصول على مزيد من التفاصيل حول كيفية بدء صورة عامل الإرساء.
يجب أن تبدو النتيجة المتوقعة مثل هذه المطبوعة.
أطيب التمنيات،
باتريك
cascaded_unet_inference.pdf.pdf

PatrickChrist ، مرحبًا باتريك ، شكرًا على العمل الرائع ، ولكن عندما أحاول استخدام النموذج الذي تم اختباره مسبقًا ، أجد صعوبة في تثبيت nvidia-docker ، وهل يمكنك من فضلك مشاركة نموذج مُدرب مسبقًا صحيح دون استخدام nvidia-docker

zakizhou أعتقد لأن هذه مشكلة استنساخ ، Docker هو أفضل رهان لدينا لتحقيق ذلك.

مطلوب nvidia-docker فقط إذا كنت تريد معالجة الملفات على وحدة معالجة الرسومات. ومع ذلك ، يمكنك فقط استخدام docker إذا كنت موافقًا على التشغيل على وحدة المعالجة المركزية.

إذا كنت تعمل على Linux distro ، فما هي المشكلات التي تواجهها لتثبيت nvidia-docker ؟

تتم مشاركة النماذج أيضًا في https://github.com/IBBM/Cascaded-FCN/tree/master/models/cascadedfcn ، يمكنك استخدامها في البيئة المضيفة (بدون Docker)

@ mohamed-ezz شكرًا على ردك ، أنا أستخدم أوبونتو بدون gpus ، بالفعل لقد جربت docker بدلاً من nvidia-docker لكن للأسف عندما حاولت استيراد نموذج كافيه مُدرب مسبقًا ، جوهر Jupyter مفكرة ملقاة وأنا لا أفهم لماذا. مثل ما قاله manutdzou في هذا العدد ، النموذج المدروس هنا https://github.com/IBBM/Cascaded-FCN/tree/master/models/cascadedfcn يؤدي أداءً سيئًا على عينة الصورة. لقد قمت بتثبيت الكافيين مع كوندا ، هل تعتقد أن النسخة الخاطئة من الكافيين هي التي تسببت في هذه المشكلة؟

نعم ، من المحتمل أن يكون إصدار الكافيين. الرجاء استخدام صورة عامل ميناء.

في 4 تموز (يوليو) 2017 5:45 مساءً ، كتب "Jie Zhou" [email protected] :

@ mohamed-ezz https://github.com/mohamed-ezz شكرا على ردكم انا
باستخدام ubuntu بدون gpus ، لقد جربت عامل التحميل بدلاً من
nvidia-docker لكن للأسف عندما حاولت استيراد نموذج كافيه مُدرب مسبقًا ،
جوهر دفتر jupyter ملقاة وأنا لا أفهم لماذا. مثل ماذا
manutdzou https://github.com/manutdzou قال في هذا العدد ، إن
نموذج مسبق التدريب هنا https://github.com/IBBM/Cascaded-FCN/tree/master/
طرازات / cascadedfcn يؤدي أداءً سيئًا على عينة الصورة. لقد قمت بتثبيت الكافيين
مع كوندا ، هل تعتقد أن النسخة الخاطئة من الكافيين هي التي تسببت في ذلك
مشكلة؟

-
أنت تتلقى هذا لأنه تم ذكرك.
قم بالرد على هذا البريد الإلكتروني مباشرة ، وقم بعرضه على GitHub
https://github.com/IBBM/Cascaded-FCN/issues/13#issuecomment-312908109 ،
أو كتم الخيط
https://github.com/notifications/unsubscribe-auth/ADqENQMhAJvhyvV1SZ5ApQelMqNhBlTMks5sKl39gaJpZM4M4ckQ
.

@ mohamed-ezz حسنًا ، سأجرب النموذج على خادم مع gpu ، شكرًا مرة أخرى!

لا حاجة إلى gpu ، فقط استخدم عامل التحميل مع الصورة في README.md ، بدلاً من ذلك
من nvidia-docker.

في 4 تموز (يوليو) 2017 ، الساعة 6:59 مساءً ، كتب "Jie Zhou" [email protected] :

@ mohamed-ezz https://github.com/mohamed-ezz حسنًا ، سأجرب النموذج على ملف
الخادم مع gpu ، شكرا مرة أخرى!

-
أنت تتلقى هذا لأنه تم ذكرك.
قم بالرد على هذا البريد الإلكتروني مباشرة ، وقم بعرضه على GitHub
https://github.com/IBBM/Cascaded-FCN/issues/13#issuecomment-312919887 ،
أو كتم الخيط
https://github.com/notifications/unsubscribe-auth/ADqENQh6pIiGyQYTbKSOx_2reMDlja3Cks5sKm-GgaJpZM4M4ckQ
.

لقد أصدرت نسخة من الكبد الأيمن ونموذج الآفة في بايدو يمكن استخدام هذا النموذج مثل هذا

`استيراد أنظمة ، نظام تشغيل
sys.path.insert (0، '/ home / zhou / zou / caffe_ws / python')
sys.path.insert (0، '/ home / zhou / zou / Cascaded-FCN / lib')
استيراد numpy كـ np
من matplotlib استيراد pyplot كـ plt
استيراد الكافيين

result_path = "/ home / zhou / zou / Cascaded-FCN / code / نتيجة /"
إذا لم يكن os.path.exists (result_path):
os.makedirs (result_path)

im_list = open ('test_lesion_list.txt'، 'r'). اقرأ (). splitlines ()

caffe.set_mode_gpu ()
caffe.set_device (0)
net_liver = caffe.Net ('publish.prototxt'، 'Liver.caffemodel'، caffe.TEST)
net_lesion = caffe.Net ('publish.prototxt'، 'lesion.caffemodel'، caffe.TEST)

الكبد = 1
الآفة = 2
بالنسبة لـ i في النطاق (0 ، len (im_list)):
im = np.load (im_list [i] .split ('') [0])
mask = np.load (im_list [i] .split ('') [1])
in_ = np.array (im ، dtype = np.float32)
in_expand = in_ [np.newaxis، ...]
blob = in_expand [np.newaxis،:،::،:]

net_liver.blobs['data'].reshape(*blob.shape)
net_liver.blobs['data'].data[...] = blob
net_liver.forward()
output_liver = net_liver.blobs['prob'].data[0].argmax(axis=0)

net_lesion.blobs['data'].reshape(*blob.shape)
net_lesion.blobs['data'].data[...] = blob
net_lesion.forward()
output_lesion = net_lesion.blobs['prob'].data[0].argmax(axis=0)

output = output_liver
ind_1 = np.where(output_liver ==0)
output_lesion[ind_1] = 255
ind_2 = np.where(output_lesion ==0)
output[ind_2] = 2

plt.figure(figsize=(3*5,10))
plt.subplot(1, 3, 1)
plt.title('CT')
plt.imshow(im[92:-92,92:-92], 'gray')
plt.subplot(1, 3, 2)
plt.title('GT')
plt.imshow(mask, 'gray')
plt.subplot(1, 3, 3)
plt.title('pred')
plt.imshow(output, 'gray')
path = result_path + im_list[i].split(' ')[0].split('/')[-1][0:-3] +'jpg'
plt.savefig(path)
plt.close()

"
يتم عرض بعض النتائج

@ mohamed - ezzRenieWellmjiansunPatrickChristPiaoLiangHXD

طبقة {
الاسم: "البيانات"
اكتب: "إدخال"
أعلى: "البيانات"
input_param {الشكل: {dim: 1 dim: 1 dim: 572 dim: 572}}
}

طبقة {
الاسم: "conv_d0a-b"
اكتب: "التفاف"
أسفل: "البيانات"
أعلى: "d0b"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
num_output: 64
الوسادة: 0
kernel_size: 3
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}

طبقة {
الاسم: "relu_d0b"
اكتب: "ReLU"
أسفل: "d0b"
أعلى: "d0b"
}
طبقة {
الاسم: "conv_d0b-c"
اكتب: "التفاف"
أسفل: "d0b"
أعلى: "d0c"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
num_output: 64
الوسادة: 0
kernel_size: 3
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}

طبقة {
الاسم: "relu_d0c"
اكتب: "ReLU"
أسفل: "d0c"
أعلى: "d0c"
}
طبقة {
الاسم: "pool_d0c-1a"
اكتب: "تجميع"
أسفل: "d0c"
أعلى: "d1a"
pooling_param {
البركة: MAX
kernel_size: 2
الخطوة: 2
}
}
طبقة {
الاسم: "conv_d1a-b"
اكتب: "التفاف"
أسفل: "d1a"
أعلى: "d1b"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
num_output: 128
الوسادة: 0
kernel_size: 3
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}

طبقة {
الاسم: "relu_d1b"
اكتب: "ReLU"
أسفل: "d1b"
أعلى: "d1b"
}
طبقة {
الاسم: "conv_d1b-c"
اكتب: "التفاف"
أسفل: "d1b"
أعلى: "d1c"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
num_output: 128
الوسادة: 0
kernel_size: 3
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}

طبقة {
الاسم: "relu_d1c"
اكتب: "ReLU"
أسفل: "d1c"
أعلى: "d1c"
}
طبقة {
الاسم: "pool_d1c-2a"
اكتب: "تجميع"
أسفل: "d1c"
أعلى: "d2a"
pooling_param {
البركة: MAX
kernel_size: 2
الخطوة: 2
}
}
طبقة {
الاسم: "conv_d2a-b"
اكتب: "التفاف"
أسفل: "d2a"
أعلى: "d2b"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
عدد_الخارج: 256
الوسادة: 0
kernel_size: 3
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}

طبقة {
الاسم: "relu_d2b"
اكتب: "ReLU"
أسفل: "d2b"
أعلى: "d2b"
}
طبقة {
الاسم: "conv_d2b-c"
اكتب: "التفاف"
أسفل: "d2b"
أعلى: "d2c"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
عدد_الخارج: 256
الوسادة: 0
kernel_size: 3
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}

طبقة {
الاسم: "relu_d2c"
اكتب: "ReLU"
أسفل: "d2c"
أعلى: "d2c"
}
طبقة {
الاسم: "pool_d2c-3a"
اكتب: "تجميع"
أسفل: "d2c"
أعلى: "d3a"
pooling_param {
البركة: MAX
kernel_size: 2
الخطوة: 2
}
}
طبقة {
الاسم: "conv_d3a-b"
اكتب: "التفاف"
أسفل: "d3a"
أعلى: "d3b"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
عدد_ الخرج: 512
الوسادة: 0
kernel_size: 3
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}

طبقة {
الاسم: "relu_d3b"
اكتب: "ReLU"
أسفل: "d3b"
أعلى: "d3b"
}
طبقة {
الاسم: "conv_d3b-c"
اكتب: "التفاف"
أسفل: "d3b"
أعلى: "d3c"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
عدد_ الخرج: 512
الوسادة: 0
kernel_size: 3
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}

طبقة {
الاسم: "relu_d3c"
اكتب: "ReLU"
أسفل: "d3c"
أعلى: "d3c"
}

طبقة {
الاسم: "pool_d3c-4a"
اكتب: "تجميع"
أسفل: "d3c"
أعلى: "d4a"
pooling_param {
البركة: MAX
kernel_size: 2
الخطوة: 2
}
}
طبقة {
الاسم: "conv_d4a-b"
اكتب: "التفاف"
أسفل: "d4a"
أعلى: "d4b"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
num_output: 1024
الوسادة: 0
kernel_size: 3
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}

طبقة {
الاسم: "relu_d4b"
اكتب: "ReLU"
أسفل: "d4b"
أعلى: "d4b"
}
طبقة {
الاسم: "conv_d4b-c"
اكتب: "التفاف"
أسفل: "d4b"
أعلى: "d4c"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
num_output: 1024
الوسادة: 0
kernel_size: 3
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}

طبقة {
الاسم: "relu_d4c"
اكتب: "ReLU"
أسفل: "d4c"
أعلى: "d4c"
}

طبقة {
الاسم: "upconv_d4c_u3a"
اكتب: "Deconvolution"
أسفل: "d4c"
أعلى: "u3a"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
عدد_ الخرج: 512
الوسادة: 0
kernel_size: 2
الخطوة: 2
وزن الحشو {
اكتب: "xavier"
}
}
}

طبقة {
الاسم: "relu_u3a"
اكتب: "ReLU"
أسفل: "u3a"
أعلى: "u3a"
}
طبقة {
الاسم: "crop_d3c-d3cc"
اكتب: "اقتصاص"
أسفل: "d3c"
أسفل: "u3a"
أعلى: "d3cc"

}
طبقة {
الاسم: "concat_d3cc_u3a-b"
اكتب: "Concat"
أسفل: "u3a"
أسفل: "d3cc"
أعلى: "u3b"
}
طبقة {
الاسم: "conv_u3b-c"
اكتب: "التفاف"
أسفل: "u3b"
أعلى: "u3c"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
عدد_ الخرج: 512
الوسادة: 0
kernel_size: 3
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}
طبقة {
الاسم: "relu_u3c"
اكتب: "ReLU"
أسفل: "u3c"
أعلى: "u3c"
}
طبقة {
الاسم: "conv_u3c-d"
اكتب: "التفاف"
أسفل: "u3c"
أعلى: "u3d"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
عدد_ الخرج: 512
الوسادة: 0
kernel_size: 3
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}
طبقة {
الاسم: "relu_u3d"
اكتب: "ReLU"
أسفل: "u3d"
أعلى: "u3d"
}
طبقة {
الاسم: "upconv_u3d_u2a"
اكتب: "Deconvolution"
أسفل: "u3d"
أعلى: "u2a"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
عدد_الخارج: 256
الوسادة: 0
kernel_size: 2
الخطوة: 2
وزن الحشو {
اكتب: "xavier"
}
}
}
طبقة {
الاسم: "relu_u2a"
اكتب: "ReLU"
أسفل: "u2a"
أعلى: "u2a"
}
طبقة {
الاسم: "crop_d2c-d2cc"
اكتب: "اقتصاص"
أسفل: "d2c"
أسفل: "u2a"
أعلى: "d2cc"

}
طبقة {
الاسم: "concat_d2cc_u2a-b"
اكتب: "Concat"
أسفل: "u2a"
أسفل: "d2cc"
أعلى: "u2b"
}
طبقة {
الاسم: "conv_u2b-c"
اكتب: "التفاف"
أسفل: "u2b"
أعلى: "u2c"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
عدد_الخارج: 256
الوسادة: 0
kernel_size: 3
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}
طبقة {
الاسم: "relu_u2c"
اكتب: "ReLU"
أسفل: "u2c"
أعلى: "u2c"
}
طبقة {
الاسم: "conv_u2c-d"
اكتب: "التفاف"
أسفل: "u2c"
أعلى: "u2d"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
عدد_الخارج: 256
الوسادة: 0
kernel_size: 3
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}
طبقة {
الاسم: "relu_u2d"
اكتب: "ReLU"
أسفل: "u2d"
أعلى: "u2d"
}
طبقة {
الاسم: "upconv_u2d_u1a"
اكتب: "Deconvolution"
أسفل: "u2d"
أعلى: "u1a"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
num_output: 128
الوسادة: 0
kernel_size: 2
الخطوة: 2
وزن الحشو {
اكتب: "xavier"
}
}
}
طبقة {
الاسم: "relu_u1a"
اكتب: "ReLU"
أسفل: "u1a"
أعلى: "u1a"
}
طبقة {
الاسم: "crop_d1c-d1cc"
اكتب: "اقتصاص"
أسفل: "d1c"
أسفل: "u1a"
أعلى: "d1cc"

}
طبقة {
الاسم: "concat_d1cc_u1a-b"
اكتب: "Concat"
أسفل: "u1a"
أسفل: "d1cc"
أعلى: "u1b"
}
طبقة {
الاسم: "conv_u1b-c"
اكتب: "التفاف"
أسفل: "u1b"
أعلى: "u1c"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
num_output: 128
الوسادة: 0
kernel_size: 3
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}
طبقة {
الاسم: "relu_u1c"
اكتب: "ReLU"
أسفل: "u1c"
أعلى: "u1c"
}
طبقة {
الاسم: "conv_u1c-d"
اكتب: "التفاف"
أسفل: "u1c"
أعلى: "u1d"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
num_output: 128
الوسادة: 0
kernel_size: 3
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}
طبقة {
الاسم: "relu_u1d"
اكتب: "ReLU"
أسفل: "u1d"
أعلى: "u1d"
}
طبقة {
الاسم: "upconv_u1d_u0a_NEW"
اكتب: "Deconvolution"
أسفل: "u1d"
أعلى: "u0a"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
num_output: 64
الوسادة: 0
kernel_size: 2
الخطوة: 2
وزن الحشو {
اكتب: "xavier"
}
}
}
طبقة {
الاسم: "relu_u0a"
اكتب: "ReLU"
أسفل: "u0a"
أعلى: "u0a"
}
طبقة {
الاسم: "crop_d0c-d0cc"
اكتب: "اقتصاص"
أسفل: "d0c"
أسفل: "u0a"
أعلى: "d0cc"

}
طبقة {
الاسم: "concat_d0cc_u0a-b"
اكتب: "Concat"
أسفل: "u0a"
أسفل: "d0cc"
أعلى: "u0b"
}
طبقة {
الاسم: "conv_u0b-c_New"
اكتب: "التفاف"
أسفل: "u0b"
أعلى: "u0c"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
num_output: 64
الوسادة: 0
kernel_size: 3
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}
طبقة {
الاسم: "relu_u0c"
اكتب: "ReLU"
أسفل: "u0c"
أعلى: "u0c"
}
طبقة {
الاسم: "conv_u0c-d_New"
اكتب: "التفاف"
أسفل: "u0c"
أعلى: "u0d"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
num_output: 64
الوسادة: 0
kernel_size: 3
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}
طبقة {
الاسم: "relu_u0d"
اكتب: "ReLU"
أسفل: "u0d"
أعلى: "u0d"
}
طبقة {
الاسم: "conv_u0d-score_New"
اكتب: "التفاف"
أسفل: "u0d"
أعلى نتيجة"
بارام {
lr_mult: 1
decay_mult: 1
}
بارام {
lr_mult: 2
decay_mult: 0
}
Convolution_param {
num_output: 2
الوسادة: 0
kernel_size: 1
وزن الحشو {
اكتب: "xavier"
}
المحرك: CAFFE
}
}

طبقة {
الاسم: "prob"
اكتب: "Softmax"
أسفل: "النتيجة"
أعلى: "prob"
}

العمل العظيم manutdzou
شكرا لدعمك. هل تمانع في الالتزام بعملك في هذا الريبو؟
يمكن أن يكون لدينا مجلد model-zoo / manutdzou حيث تقوم بنشر الكود الخاص بك كمفكرة و prototxt الخاص بك والروابط إلى baidu كملف نصي؟ سيقدر المستخدمون الآخرون بالتأكيد. إذا كان لديك ورقة حول عملك ، فيمكننا أيضًا إضافة هذا.

حسنًا ، إذا كان الكود والنموذج الخاص بي يعملان جيدًا ، فسأكون سعيدًا بالالتزام في هذا الريبو!

发自 网易 邮箱 大师
في 07/07/2017 17:33 ، كتب باتريك كريست:

العمل العظيم manutdzou
شكرا لدعمك. هل تمانع في الالتزام بعملك في هذا الريبو؟
يمكن أن يكون لدينا مجلد model-zoo / manutdzou حيث تقوم بنشر الكود الخاص بك كمفكرة و prototxt الخاص بك والروابط إلى baidu كملف نصي؟ سيقدر المستخدمون الآخرون بالتأكيد. إذا كان لديك ورقة حول عملك ، فيمكننا أيضًا إضافة هذا.

-
أنت تتلقى هذا لأنه تم ذكرك.
قم بالرد على هذه الرسالة الإلكترونية مباشرةً ، أو اعرضها على GitHub ، أو قم بكتم صوت الموضوع.