在Windows上实现nnU-Net v2的环境配置
nnU-Net早期被众人所熟知是有一年参加了医学图像分割领域的十项全能比赛(MSD)并获得了冠军,接着该团队在最近又推出了nnUNet v2,使得功能更强大,代码的集成化更好。
需要的配置要求和相关环境的配置
使用最新版本的 Python3.9 或更高版本保证正常工作,而且使用pytorch的版本要高于1.12.0.最好使用GPU版本。
然后首先使用conda创建一个虚拟环境,接着根据源代码提供的requires.txt进行对相关库的配置。接着这将在计算机上创建 nnU-Net 代码的副本,以便可以根据需要修改,进入所在文件的终端输入:(注意有个".")
pip install -e .
创建相对应的环境变量
因为改模型的所提供的代码环境集合的太好了,所以通过相应的cmd的系统命令可以更好地运行。
因此首先得创建三个空文件夹nnUNet_raw、nnUNet_preprocessed和nnUNet_results,接着打开cmd将对应的路径写入环境变量:
set nnUNet_raw=对应的路径名称
相关数据集:
对于数据集使用的是十项全能比赛中的数据集(MSD),其中网址为: link,可以下载相关的数据集进行训练。其中数据集由三个组件组成:原始图像、相应的分割图和指定 一些元数据。
其中数据集的对应格式为:
nnUNet_raw/Dataset001_NAME1
├── dataset.json
├── imagesTr
│ ├── ...
├── imagesTs
│ ├── ...
└── labelsTr├── ...
nnUNet_raw/Dataset002_NAME2
├── dataset.json
├── imagesTr
│ ├── ...
├── imagesTs
│ ├── ...
└── labelsTr├── ...
注意此时应把nnUNet_raw文件夹置空,将下载的数据集改为Data00X_NAME1放在该文件外边。
数据集的转换
nnU-Net v2给出了相应的脚本进行数据集的转换,使用的是:
nnUNetv2_convert_MSD_dataset
如果报错就说明有可能前面的环境变量没设置好。
这时候nnUNet_raw文件夹会出现对应的数据集,因此转化成功。也可以通过查看相应的dataset.json文件进行判断是否转化成功。其中dataset.json转化成功后的为:
{ "channel_names": { # formerly modalities"0": "T2", "1": "ADC"}, "labels": { # THIS IS DIFFERENT NOW!"background": 0,"PZ": 1,"TZ": 2}, "numTraining": 32, "file_ending": ".nii.gz""overwrite_image_reader_writer": "SimpleITKIO" # optional! If not provided nnU-Net will automatically determine the ReaderWriter}
与刚下载的数据集是有区别的。
接着再将数据集转入到nnUNet_preprocessed文件中
此时也会自动将对应的数据集转成相应的格式转进入nnUNet_preprocessed文件中。
开始训练
将数据集的相关事情处理好后就可以开始对图片进行训练了,同时也可以使用自己的数据集进行训练,其中相关的数据集的转化可以参考nnU-Net v2在GitHub上所提出的注意事项进行转化。
开始在cmd上输入:
nnUNetv2_train DATASET_NAME_OR_ID UNET_CONFIGURATION FOLD [additional options, see -h]
- DATASET_NAME_OR_ID:为训练数据集的ID号码;
- UNET_CONFIGURATION:为数据集相应的格式,在nnUNet_preprocessed可以查看;
- FOLD:为k折交叉验证。
接着就是开始等待训练结果啦~
默认是1k轮训练,学习率从1开始往下走。训练结束后nnUNet_results会写入训练结果:
在Windows上实现nnU-Net v2的环境配置相关推荐
- 【腾讯云 Finops Crane 集训营】 如何在Windows上快速搭建一个Kubernetes+Crane 环境及应用
一.前言 个人主页: ζ小菜鸡 大家好我是ζ小菜鸡,让我们一起学习在 Windows 如何快速搭建一个Kubernetes+Crane 环境及应用. 如果文章对你有帮助.欢迎关注.点赞.收藏(一键三连 ...
- 深度学习环境配置5——windows下的torch-cpu=1.2.0环境配置
深度学习环境配置5--windows下的torch-cpu=1.2.0环境配置 注意事项 一.2021/10/8更新 学习前言 各个版本pytorch的配置教程 环境内容 环境配置 一.Anacond ...
- 深度学习环境配置1——windows下的tensorflow-gpu=1.13.2环境配置
深度学习环境配置1--windows下的tensorflow-gpu=1.13.2环境配置 注意事项 一.2021/9/11更新 二.2021/7/8更新 三.2020/11/5更新 学习前言 环境内 ...
- 深度学习环境配置7——(30系显卡)windows下的tensorflow-gpu==2.4.0环境配置
深度学习环境配置7--(30系显卡)windows下的tensorflow-gpu==2.4.0环境配置 注意事项 一.2021/10/8更新 学习前言 各个版本tensorflow2的配置教程 环境 ...
- 在windows中对torch1.7.1版本环境配置
在windows中对torch1.7.1版本环境配置 复杂的安装方式:(不推荐) 环境内容 下载 Cudnn 和 CUDA (可选) 简单粗暴安装方式:(强烈推荐) 复杂的安装方式:(不推荐) 环境内 ...
- github上的优秀项目和开发环境配置【转http://www.cnblogs.com/2018/archive/2012/11/09/2763119.html】...
github上的优秀项目和开发环境配置 国外的几个公司开放的资源 https://github.com/google https://github.com/facebook https://git ...
- Windows上搭建安卓的JAVA开发环境(Eclipse版本)
工具/原料 下载需要用到的工具: (1)下载JAVA的IDE开发工具– Eclipse 到Eclipse官方网站下载Ecplise For Java EE的最新Windows版本 下载Ecplise ...
- Windows Python PyTorch CUDA 11.7 TensorRT 环境配置
博文目录 文章目录 版本说明 版本选择 下载代码 创建并激活虚拟环境 使用 CPU 推理 安装工程运行的最少依赖 运行 detect.py 使用 Nvidia GPU 推理 安装 PyTorch CU ...
- nnU-Net v2的环境配置到训练自己的数据集(详细步骤)
目录 一.说明 二.所需的环境配置 三.nnUNet框架的安装 四.数据集的准备 五.设置读取文件路径设置(重要) 六.数据集的转换 七.数据集预处理 八.模型训练 九.推理(后续更新) 十.结果(后 ...
最新文章
- linux下的PHP+Mysql+PHPWind实现
- 重磅嘉宾公布,第四范式AI新品发布会进入报名倒计时
- 云计算数据管理的4个关键因素
- 如何使用git上传本地文件到码云上【详细步骤】
- nginx优化之请求直接返回json数据
- Julia 排坑指南
- “/应用程序中的服务器错误
- tomcat 原理与使用资料
- CCCC-GPLT L2-020. 功夫传人 团体程序设计天梯赛
- rocketmq消息积压
- 笔试题: 数据库 已看1 一些关键的sql语句练习 和选择题 有用 sql语句练习 挺好...
- 爱立信面试,面试官给我出的 C 算法问题
- Smobiler 仿得到APP个人主页
- 证件照处理技术的应用
- 9860计算机测量程序,卡西欧9860测量放样程序-绘星
- GCC Manual
- uniapp——ios端和android端微信分享,通过打开appStore和应用宝商店下载
- 如何设置一个可扩展的MongoDB数据库?
- maven snapshot和release版本的区别
- python习题计算a+aa+aaa+aaaa的结果 lintcode题目