Project-MONAI / Project-MONAI/tutorials
MAISI: Quantizer compression for the embedding feature generation by autoencoder
Nessuno ha ancora preso questa issue.
- Lingua principale
- Jupyter Notebook
- Stelle
- 2.5k
- Fork
- 803
- Merge medio
- 6g 22h
- PR unite (30g)
- 3
Descrizione
Hi,
When I generate the embedding features by the trained autoencoder for the lung CT case with size of 836x512x512, I often encounter the OOM issue with 48GB GPU. Even though I have adjust the slices_num_max=256, it still suffers from the OOM issue, which may result in the stitch artifact issue. Thanks.
Guida per i contributori
Apri la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Direzione di ricerca
Non è indicato alcun file o test. Inizia individuando il workflow di generazione delle feature di embedding dell’autoencoder MAISI e riproducilo con il caso di CT polmonare 836x512x512 su una GPU da 48 GB. Analizza la compressione del quantizer; il completamento è misurato evitando OOM e prevenendo al contempo gli artefatti di stitching.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Valutazione
- Stack tecnologico
- pytorch
- Ambito
- machine-learning, performance
- Tipo di issue
- Funzionalità
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Stato di attività
- Ferma
- Chiarezza
- Da chiarire
- Idoneità per principianti
- 25/100