文章链接：[2004.09666] Data Efficient and Weakly Supervised Computational Pathology on Whole Slide Images (arxiv.org)
代码链接：GitHub - mahmoodlab/CLAM: Data-efficient and weakly supervised computational pathology on whole slide images - Nature Biomedical Engineering

一. openslide-python包的安装

首先创建项目和虚拟环境，然后执行

pip install opslide-python

然后直接import openslide会报错没有ddl，也就是没有链接。

去官网下载

OpenSlide on Windowshttps://openslide.org/docs/windows/

解压缩后放在E:\classify\CLAM\envs\Lib\site-packages目录下，然后把bin里面的ddl复制到E:\classify\CLAM\envs文件夹下：

然后就可以了。

二. pytorch包的安装

查看cuda版本：

nvcc --version

然后去官网下载对应版本：

# CUDA 11.6
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116

查看是否可用：

import torch
print(torch.__version__)
# 检查CUDA是否可用
if torch.cuda.is_available():
    print("CUDA可用！")
else:
    print("CUDA不可用。")
# 获取CUDA设备数量
cuda_device_count = torch.cuda.device_count()
print("CUDA设备数量：", cuda_device_count)

三. h5py的安装

pip install h5py