maisi unconditioned inference return noise
Personne n'a encore pris cette issue.
Évaluation
- Difficulté
- 4/5
- Temps estimé
- 3-5 jours
- Accessibilité débutants
- 25/100
- Type d'issue
- Bug
- Clarté
- À clarifier
- Activité
- À l'abandon
- Stack technique
- jupyter-notebook, python, pytorch
- Domaine
- machine-learning
Piste de recherche
Commencez par scripts/diff_model_infer.py et le MAISI inference tutorial notebook, en reproduisant la reconstruction en une étape qui produit du bruit. Comparez l’architecture d’inférence et la configuration chargée avec l’implémentation de l’entraînement, y compris les différences discutées dans issue 7991. La tâche est terminée lorsque l’inférence ou la reconstruction non conditionnée ne renvoie plus de sortie bruitée avec les paramètres fournis.
Rédigé par le modèle d'indexation à partir du texte de l'issue.
Description
Hallo,
I tried longer to make the diffusion unet (rectified flow version) work but without success. the VAE performes correct and encoding and reconstruction look fine. I take all the configs from the repo so configuration as well as weights are equivalently loaded as in https://github.com/Project-MONAI/tutorials/blob/main/generation/maisi/maisi_inference_tutorial.ipynb.
Using the diffusion unet with the existing code of diffusion_model_infer.py with
from scripts.diff_model_infer import run_inference
data = run_inference(
args,
device,
autoencoder,
diffusion_unet,
1.4,#scale_factor,
None,#top_region_index_tensor,
None, #bottom_region_index_tensor,
torch.tensor([[1.5,1.5,4.0]]).to('cuda'),#spacing_tensor,
torch.tensor([1]).to('cuda'),#modality_tensor,
(96,96,96),#output_size,
4,
logger,
)
I saw that there was an issue with the architecture which was different during training and the implementation but I'm not sure if that is related.
https://github.com/Project-MONAI/MONAI/issues/7991.
Some observations I made is when I would like to just reconstruction an image and basically make one step, the recon get's extremly noise.
For any suggestion what could be the potential issue, I'm thankful.
Best,
Lukas
- Langage dominant
- Jupyter Notebook
- Étoiles
- 2.5k
- Forks
- 803
- Merge moyen
- 6 j 22 h
- PR mergées (30 j)
- 3
Guide de contribution
Ouvrir le guide de contribution
Par où commencer
- Lisez l'issue en entier, puis le guide de contribution du projet.
- Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
- Forkez le dépôt et travaillez sur une branche.
- Ouvrez une pull request qui référence le numéro de l'issue.
Autres issues de Project-MONAI/tutorials
-
Difficulté 1/5 Moins d'une heure Accessibilité débutants 92/100
Project-MONAI/tutorials#2076 · 2 commentaires ·
-
Difficulté 1/5 1-3 heures Accessibilité débutants 76/100
Project-MONAI/tutorials#2069 ·
-
Difficulté 1/5 Moins d'une heure Accessibilité débutants 85/100
Project-MONAI/tutorials#1704 ·
-
Rehost CONSep Ouverte
Project-MONAI/tutorials#2079 · 2 personnes assignées ·
-
Difficulté 4/5 3-5 jours Accessibilité débutants 62/100
Project-MONAI/tutorials#2071 ·
Toutes les issues de Project-MONAI/tutorials
Issues similaires
-
bug good first issue multicut serialization
Difficulté 2/5 1-3 heures Accessibilité débutants 70/100
-
bug
Difficulté 2/5 1-3 heures Accessibilité débutants 70/100
-
feat(dictionary): add benign in-frame MUC1 events so benchmarks can score benign-event specificity Ouverteenhancement
Difficulté 2/5 1-3 heures Accessibilité débutants 70/100
berntpopp/MucOneSpan#69 ·
-
Difficulté 2/5 1-3 heures Accessibilité débutants 75/100
stanfordnlp/dspy#10485 ·
-
Mnist Web Inference error Ouverte
Difficulté 1/5 Moins d'une heure Accessibilité débutants 90/100