前言

PyTorch是目前產學界都十分活耀的深度學習框架，其中很大的一個原因來自於他豐富的生態鏈。本系列文將以醫療影像為例，介紹多個套件所共同組合出的實戰運用。

如何進行?

本系列文預計將整理目前筆者所使用的深度學習框架，採用一步一步慢慢堆疊的方式，並搭配到時候會發佈的github repository，將所採用的技術環節，以手把手的方式一個個commit加入並完整整個開發模組。

基本上每日的文章大致上或多或少都會涵蓋當日的概念以及實作，概念文主會要講述所採用套件或技術的觀念及其所被採用的理由，實作的部分則會有實際的coding內容，以及對應的git commit可以直接讓讀者去比較差異。

有哪些內容?

系列文會從開發環境以及Configuration開始介紹，具體上是希望各個學習深度學習的工程師或是資料科學家們，能夠對於自己所開發出來的東西有比較細步的掌握。

整個系列文基本上會環繞在下列的三個套件：

• PyTorch
• PyTorch Lightning
• MONAI Core

作為基礎框架來進行實作。會採用Deep Learning中最基本的任務Classification來做為系列文章的主體，接著一步一步加入不同Pytorch的生態系套件及訓練技巧，以此提升整個開發的效率跟嚴謹度，最後也會把開發好的模型佈署成API，進行所謂的Model Serving。資料上則會採用醫療影像相關的公開資料集，目前選定會是MedMNIST v2。

另外依照實際進度，可能還會有一些3D Segmentation 甚至是 Registration的實例。

本日小節

• 本系列文的難度應該會偏向新手
• PyTorch生態系介紹 (筆者個人所使用的)
• 資料是醫學影像
• 內容很雜，有意見可以提出，大家教學相長。