分割模型nnUNet学习日记（三）：nnUNet参数batch_size和patch_size的修改方式

Joker 007

已于 2022-07-03 20:36:51 修改

阅读量6.8k

点赞数 3

分类专栏：医学影像处理文章标签：学习深度学习人工智能

于 2022-07-03 20:35:53 首次发布

本文链接：https://blog.csdn.net/Joker00007/article/details/125588792

版权

医学影像处理专栏收录该内容

30 篇文章

订阅专栏

在nnUNet中，batch_size和patchsize会在预处理时自动默认设置好，具体可以查看 “nnUNet_preprocessed” 文件夹的.pkl文件：
在这里插入图片描述
如图是nnUNetPlansv2.1_plans_3D.pkl文件的设置，batch_size=2，patch_size=[28, 256, 256]
下面修改参数的两种方法：

方法一、直接修改数据验证和预处理阶段的代码

在这里插入图片描述

方法二、直接修改.pkl文件

修改.pkl文件的代码如下：

import numpy as np
import pickle as pkl
from batchgenerators.utilities.file_and_folder_operations import *

path = r'/home/amax/Task/nnUnet_data/nnUNet_preprocessed/Task001_npc/nnUNetPlansv2.1_plans_3D.pkl'
with (open(path, 'rb')) as f:
    s = pkl.load(f)
    print(s['plans_per_stage'][0]['batch_size'])
    print(s['plans_per_stage'][0]['patch_size'])

    plans = load_pickle(path)
    plans['plans_per_stage'][0]['batch_size'] = 4
    plans['plans_per_stage'][0]['patch_size'] = np.array((28, 192, 192))

    save_pickle(plans, join(r'/home/amax/Task/nnUnet_data/nnUNet_preprocessed/Task001_npc/nnUNetPlansv2.1_ps28_192_192_plans_3D.pkl'))  # 路径的保存必须以_plans_xD.pkl结尾才能被识别