安裝：
pip install nnunetv2
## 或者是把他下載下來(lái)，自行安裝
git clone https://github.com/MIC-DKFZ/nnUNet.git
cd nnUNet
pip install -e .GitHub代碼：
GitHub - MIC-DKFZ/nnUNet
十項(xiàng)醫(yī)學(xué)分割數(shù)據(jù)集：
Medical Segmentation Decathlon
注意：安裝時(shí)一定不能使用魔法，否則會(huì)被伏地魔（False）
配置：
這里有幾個(gè)鐵汁，可以一起參考，以他們的為主，我的為輔，一起食用
（四：2020.07.28）nnUNet最舒服的訓(xùn)練教程（讓我的奶奶也會(huì)用nnUNet（上））（21.04.20更新）_nnuet_花卷湯圓的博客-CSDN博客
nnUNet實(shí)戰(zhàn)一使用預(yù)訓(xùn)練nnUNet模型進(jìn)行推理_Tina姐的博客-CSDN博客
nnUNet 使用不完全指南（上） - No Visitor Website（這里有自定義生成json的代碼）
我引用一下吧：
from collections import OrderedDict
from batchgenerators.utilities.file_and_folder_operations import save_json
def main():
foldername = "Task128_LungLobe"
numTraining = 80
numTest = 6
numClass = 6
json_dict = OrderedDict()
json_dict['name'] = foldername
json_dict['description'] = foldername
json_dict['tensorImageSize'] = "4D"
json_dict['reference'] = "see challenge website"
json_dict['licence'] = "see challenge website"
json_dict['release'] = "0.0"
json_dict['modality'] = {
"0": "CT",
}
json_dict['labels'] = {i: str(i) for i in range(numClass)}
json_dict['numTraining'] = numTraining
json_dict['numTest'] = numTest
json_dict['training'] = [{'image': "./imagesTr/LungLobe_{:0>3d}.nii.gz".format(i),
"label": "./labelsTr/LungLobe_{:0>3d}.nii.gz".format(i)}
for i in range(numTraining)]
json_dict['test'] = ["./imagesTs/LungLobe_{:0>3d}.nii.gz".format(i)
for i in range(numTraining, numTraining+numTest)]
save_json(json_dict, "./dataset.json")
if __name__ == "__main__":
main()
nnUNet保姆級(jí)使用教程！從環(huán)境配置到訓(xùn)練與推理（新手必看） | AI技術(shù)聚合
在windows下安裝nnUnet，并制作數(shù)據(jù)集以及運(yùn)行（讓隔壁奶奶也能學(xué)會(huì)的教程）_花生米生花@的博客-CSDN博客
數(shù)據(jù)文件夾：
其實(shí)就是需要自己自行手動(dòng)建立幾個(gè)文件夾，
?進(jìn)入紅色文件夾：
在紅色文件夾里，丟如數(shù)據(jù)文件夾Task14_Vessel，這是固定的命名形式Task數(shù)字_名字
數(shù)字的話(huà)，建議是10以上，但是不能三位數(shù)，就說(shuō)如果你是13的話(huà)，不要013，如果你里面的數(shù)據(jù)格式是正確的話(huà)，就是訓(xùn)練數(shù)據(jù)后面是_0000,nii.gz后綴的話(huà)，可以忽略這個(gè)規(guī)則，可直接跳到 --然后
因?yàn)榈奈业臄?shù)據(jù)是這樣的
?肯定是不符合格式的，所以得改，可以利用nnunet自帶的代碼進(jìn)行更改：
nnUNet_convert_decathlon_task -i F:/data/data_1100/nnUNet_raw_data_base/nnUNet_raw/nnUNet_raw_dat
a/Task14_Vessel這時(shí)，他會(huì)再次生成一個(gè)文件夾，這個(gè)文件夾叫Task014_Vessel，原來(lái)的叫Task14_Vessel，所以你應(yīng)該懂了吧?。?！
?其中這個(gè)過(guò)程中你是回遇到錯(cuò)誤的，如果你的是Windows環(huán)境的話(huà)，解決方案，如下：
nnUNet windows 遇到的 bug_nnunet windows_*小呆的博客-CSDN博客
還有個(gè)最重的是，image和label的名字得一樣
?
然后
運(yùn)行指令，數(shù)字是自己任務(wù)的代號(hào)：
nnUNet_plan_and_preprocess -t 14 --verify_dataset_integrity
## 或者是
nnUNet_plan_and_preprocess -t 14 然后又遇到報(bào)錯(cuò)了，一般是到了這步才會(huì)報(bào)錯(cuò)的：
?File "D:\Python\anaconda3\envs\pytorch\lib\site-packages\nnunet\preprocessing\sanity_checks.py", line 129, in verify_dataset_integrity
? ? assert isfile(expected_label_file), "could not find label file for case %s. Expected file: \n%s" % (
AssertionError: could not find label file for case img_001. Expected file:
上面所有的問(wèn)題皆是Windows下出現(xiàn)的，Linux的話(huà)，我是一次通過(guò)的。
解決方案：裝Windows版的nnunet，它會(huì)解決Windows下的線(xiàn)程問(wèn)題，不會(huì)報(bào)這么多奇奇怪怪的問(wèn)題
最后就是運(yùn)行指令進(jìn)行訓(xùn)練：
nnUNet_train 3d_fullres nnUNetTrainerV2 13 0-4nnUNetTrainerV2：代表是訓(xùn)練的模型，
13：任務(wù)數(shù)據(jù)集
0-4：五折中的其中一折
若是訓(xùn)練到一半，想接著訓(xùn)練，則
nnUNet_train 3d_fullres nnUNetTrainerV2 13 0-4 -c
-c：continue的意思
nnunet默認(rèn)是每50個(gè)epoch保存一次
總共訓(xùn)練1000個(gè)epoch
?
#############################################################################
指令總結(jié)
#############################################################################
nnUNet_convert_decathlon_task -i F:/data/data_1100/nnUNet_raw_data_base/nnUNet_raw/nnUNet_raw_dat
a/Task14_VesselnnUNet_plan_and_preprocess -t 14?
nnUNet_train 3d_fullres nnUNetTrainerV2 13 0
文件位置?
?nnUNet_convert_decathlon_task：
\nnunet\experiment_planning\?nnUNet_convert_decathlon_task
nnUNet_plan_and_preprocess:
\nnunet\experiment_planning\?nnUNet_plan_and_preprocess
nnUNet_train:
\nnunet\run\run_training
##########################################################################################################################################################
訓(xùn)練的一些源代碼筆記
如果用的是nnUNet_train 3d_fullres nnUNetTrainerV2的話(huà)，主要看這五個(gè)文件代碼：
?run_training.py：
位置：\nnunet\run\run_training
功能：文章來(lái)源：http://www.zghlxwxcb.cn/news/detail-567371.html
主流程都在這里
?nnUNetTrainerV2.py：
位置：\nnunet\training\network_training\nnUNetTrainerV2
功能：
1、定義訓(xùn)練的網(wǎng)絡(luò)模型、初始化網(wǎng)絡(luò)
2、加載和解壓數(shù)據(jù)集，數(shù)據(jù)的增強(qiáng)
3、定義損失函數(shù)、優(yōu)化器、學(xué)習(xí)率之類(lèi)的
4、加載數(shù)據(jù)參數(shù)定義
5、訓(xùn)練的入口，（在代碼最后一段）
nnUNetTrainer.py：
位置：\nnunet\training\nnUNetTrainer.py
功能：
1、加載的一些數(shù)據(jù)參數(shù)定義，分配到self總體上
2、在這個(gè)可以自己改batch大小和patch_size大小
一般默認(rèn)的batch是2，patch_size是【90,190,190】
self.batch_size? ?和? ??self.patch_size
3、劃分訓(xùn)練集和驗(yàn)證集
4、加載數(shù)據(jù)集
network_trainer.py：
位置：
位置：\nnunet\training\network_trainer.py
功能：
1、設(shè)置一些參數(shù)
self.num_batches_per_epoch = 250????????## 訓(xùn)練塊
self.num_val_batches_per_epoch = 50????????## 測(cè)試塊
self.save_every = 50? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ## 每多少個(gè)epoch保存一下
2、加載權(quán)重
3、保存debug日志文件到輸出文件夾下
4、訓(xùn)練的while：epoch < max_num_epochs:在這
generic_UNet.py：
位置：\nnunet\network_architecture\generic_UNet.py
功能：
網(wǎng)絡(luò)結(jié)構(gòu)模型文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-567371.html
到了這里，關(guān)于【nnunet】個(gè)人數(shù)據(jù)訓(xùn)練心得的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
