1，在PyTorch中，transforms模块提供各种图像转换函数，帮助数据预处理和数据增强。例如，Resize调整图像尺寸，ToTensor将图像转换为张量，Normalize进行归一化等。这些转换通常用于准备数据输入到神经网络中。
2，fairseq是由 Facebook AI Research (FAIR) 开发的开源工具包，是一个专注于序列建模的库，特别擅长处理NLP任务。比如机器翻译、文本摘要等。它支持多种模型架构，尤其是Transformer，还提供了分布式训练、混合精度训练等优化功能。用户可以使用fairseq训练自己的模型，或者使用他们提供的预训练模型进行推理。
3，自然语言生成（NLG）指标评估医学影像报告生成方法的性能，包括 BLEU、METEOR、ROUGE 和 CIDEr 分数：BLEUn 分数衡量 n - gram 预测的准确性，促进连贯的报告生成。ROUGE - L 基于最长公共子序列评估句子级的结构相似性。METEOR 计算单字精度和召回率的调和均值，考虑词干提取和同义词匹配。CIDEr 是一种评估指标，用于衡量生成的图像描述与参考描述之间的语义相似性。
4，pip和conda区别（虚拟环境下倾向于conda安装）
