nnunet常见错误汇总

最新推荐文章于 2024-09-11 10:28:18 发布
最新推荐文章于 2024-09-11 10:28:18 发布
阅读量330 收藏
点赞数 2
文章标签： 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/EVERGLOWS/article/details/138577301
版权

Figure 1

1、如上图所示，当遇到这种训练数据没找到的情况时，可以检查下自己所存放的文件夹里面文件的后缀名格式是否与自己在dataset.json文档中所规定的文件后缀名格式相符合

EVERGLOWS
关注
nnUnet 网络博客汇总---方便大家学习
u013313168的专栏
03-18 2169
（一：2020.07.06）nnUNet论文主体解析（8.02更新认识） （二：2020.07.08）nnUNet方法解析（7.31更新认识） （三：2020.07.10）nnUNet附录解析（7.31更新认识） （四：2020.07.28）nnUNet最舒服的训练教程（让我的奶奶也会用nnUNet（上））（11.05更新） （五：2020.07.31）nnUNet最简单的推理教程（让我的奶奶也会用nnUNet（下）） （十七：2020.09.10）nnUNet最全问题收录（9.10更新） （三十八：20.
（十七：2020.09.10）nnUNet最全问题收录（9.10更新）
热门推荐
Jojo论文基地
09-10 2万+
来这里寻找你的答案！一、写在前面二、GITHUB ISSUEI. 使用上的问题：#318 《12GB的显存仍然不够的问题》#312 《混合精度问题（TypeError: predict_preprocessed_data_return_seg_and_softmax() got an unexpected keyword argument 'mixed_precision'）》#311 《训练时找不到预处理文件夹》#310 《"Segmentation fault (core dumped)"》#309《"
nnUNetv2训练流程——环境配置、数据集构建、数据处理、训练
weixin_45882172的博客
04-26 5309
nnUNetv2初使用，分享内容包括：环境配置、数据集文件构建、数据格式化、数据预处理、数据训练整体流程说明。
nnUnet报错:RuntimeError: One or more background workers are no longer alive
智慧园子的代码世界
10-20 2766
解决:问题是出在对于label的制作,由于尺寸不一,在进行转换为nii数据的时候进行了resize,但是插值方式导致label不再是二值化的[0,255],因此在resize的时候选择邻近插值,保证label的二值化即可.问题:报错:RuntimeError: One or more background workers are no longer alive或者Case 之类的错误。
Windows下搭建nnUnet时数据转换路径保存问题解决
weixin_52127859的博客
09-11 134
我们可以发现，在转换代码中，所有的分割都是通过斜杠"/"识别进行的，而调试过程中发现我们的路径出现了双反斜杠。原因在于原作是在Linux系统下运行的，而Windows下路径的自动生成常使用"\\"，从而造成分割错误。如图，可以发现想要生成的Task001_XXX保存在了错误的路径。2、将②处注释（该处用于判断路径末尾是否有"/"）通过debug来到utils.py文件可初见端倪。1、在输入运行参数时，路径末尾手动添加一个"/"因此只需在必要的地方改变路径的连接符即可。4、在66行左右如图位置添加一行代码。
nnUnet模型训练时报错：RuntimeError: Unable to find a valid cuDNN algorithm to run convolution
weixin_44306345的博客
10-22 1091
跑模型时报错，遂解决记录。这个错误出现原因是模型所需显存过大，GPU显存不足导致的错误，这时需要将batch-size,patch-size改小即可：64-32等。
nnUNetV2转换数据集的错误
zjcnzcl的博客
06-27 303
错误1：ValueError: invalid literal for int() with base 10: 'set002'报错2：AssertionError: labelsTr subfolder missing in source folder。下载的数据改成Data002_Heart，放在nnUNet_raw同一级目录，而不是放在 nnUNet_raw里面。下载的数据集名称要修改：如下载的数据改成。
nnUNetv2使用自己数据集出现的问题
weixin_45919999的博客
07-03 2047
处理数据之后，就可以对模型进行训练，训练指令如下。DATASET_NAME_OR_ID就是我们的数据集id(501,502)，UNET_CONFIGURATION FOLD就是使用nnunetv2提供的集中Unet配置进行训练，分别有2d、3d_fullres、3d_lowres、 3d_cascade_lowres。也就是说每个nii.gz的文件命名必须和训练集的文件命名一致，同时文件名字的最后需要有一个4位数的标识符，表示是哪一个模态的，和dataset.json中的channel_name设置一致。
nnUnet_windows.rar
12-14
Jason文件是一种常见的数据格式，用于存储JSON（JavaScript Object Notation）数据，它是轻量级且易于人读的，通常用于配置文件或者模型的参数设定。 nnUnet的数据集通常包括多模态的医学图像，例如CT、MRI等，...
nnunet-pytorch转onnx
06-13
nnunet-pytorch 转 onnx nnunet-pytorch 转 onnx 是指将 PyTorch 模型转换为 ONNX 模型，以便于在 TensorRT 等平台上进行加速。以下是该过程中涉及到的知识点： 1. PyTorch 和 ONNX 的关系：PyTorch 是一个流行的...
基于Python的nnUNet算法设计源码及错误处理测试方案
最新发布
10-09
该项目为基于Python实现的nnUNet算法设计源码，包含164个文件，涵盖123个Python源文件、25个Markdown文档、8个PNG图片文件、4个Shell脚本、1个YAML文件、1个Git忽略文件、1个LICENSE文件、1个TOML文件。该源码集旨在...
nnUnetv2后续遇到的bug
weixin_45919999的博客
07-18 512
因为ACDC算上背景一共四个类，但是在和MMWHS一致时有一个类是5，越界了。所以需要对原来的数据集进行重写处理和划分，所以在后续处理多个数据集不同的类别需要有一定的规范。一直报cuda断言的错误，找不到具体的错误。然后查看资料之后，把device设置为cpu，就可以查看具体的错误，发现是计算dice，将y变成独热向量的时候出错。今天在处理ACDC的数据的时候，我想把标签的命名和之前MMWHS命名一致，但是后续在计算dice损失的时候一直如下的错误。报错把y_onehot沿着y写的时候，出现越界的错误。
2023-windows下使用nnunetv2坑点记录
koobeen的博客
12-21 1466
需要准备的基本配置本人配置如下：windows10python3.9（感觉3.7及以上都行）实在不行你就重新create 一个版本的虚拟环境Pytorch2.1cuda12.0。
分割模型nnUNet学习日记（二）：常见问题报错解决方案
Joker 007的博客
07-02 1265
分割模型nnUNet学习日记（二）：常见问题报错解决方案
【nnUNet V2系列】nnUNet V2在Ubuntu下安装调试篇
奋斗之路
07-21 1520
UNET_CONFIGURATION：是一个字符串，用于标识请求的 U-Net 配置（默认值：2d、3d_fullres、3d_lowres、3d_cascade_lowres）；模版：nnUNetv2_plan_and_preprocess -d DATASET_ID --verify_dataset_integrity。模版：nnUNetv2_train DATASET_NAME_OR_ID UNET_CONFIGURATION FOLD --val --npz。
使用 nnUNetv2 的一些踩坑记录（或许还会有继续更新
qq_44458671的博客
12-07 469
nnUNet 依然是最鲁棒的分割网络。今年初原作者更新了 nnUNet 的第二版即 nnUNetv2，题主近期试用的时候有一些踩坑的地方进行记录。
nnunet PyTorch模型转ONNX详细步骤
"nnunet-pytorch转onnx的实现步骤和注意事项" nnUNet是一个开源的深度学习框架，专门用于神经影像分析。...在整个过程中，理解nnUNet的模型架构和ONNX的转换规则是非常重要的，以避免可能出现的维度不匹配或其他错误。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值