UACANet 项目使用教程

UACANet 项目使用教程

UACANet 项目地址: https://gitcode.com/gh_mirrors/ua/UACANet

1. 项目目录结构及介绍

UACANet 项目的目录结构如下：

UACANet/
├── configs/
├── data/
│   ├── TestDataset/
│   │   ├── CVC-300/
│   │   ├── CVC-ClinicDB/
│   │   ├── CVC-ColonDB/
│   │   ├── ETIS-LaribPolypDB/
│   │   └── Kvasir/
│   └── TrainDataset/
├── lib/
│   ├── backbones/
│   ├── losses/
│   └── modules/
├── run/
│   ├── __init__.py
│   ├── Eval.py
│   ├── Inference.py
│   ├── Test.py
│   └── Train.py
├── snapshots/
│   ├── UACANet-L/
│   └── UACANet-S/
├── utils/
│   ├── custom_transforms.py
│   ├── dataloader.py
│   ├── eval_functions.py
│   ├── __pycache__/
│   └── utils.py
├── .gitignore
├── Expr.py
├── Exprs.py
├── LICENSE
├── README.md
├── install.sh
└── requirements.txt

目录结构介绍

• configs/: 存放项目的配置文件。
• data/: 存放训练和测试数据集。
  • TestDataset/: 测试数据集，包含多个子数据集（如 CVC-300, CVC-ClinicDB 等）。
  • TrainDataset/: 训练数据集。
• lib/: 存放项目的库文件，包括骨干网络、损失函数和模块。
• run/: 存放项目的运行脚本，包括训练、测试和评估脚本。
• snapshots/: 存放训练过程中生成的模型快照。
• utils/: 存放项目的实用工具脚本。
• .gitignore: Git 忽略文件配置。
• Expr.py: 实验脚本，用于训练、测试和评估。
• Exprs.py: 实验脚本集合。
• LICENSE: 项目许可证文件。
• README.md: 项目说明文档。
• install.sh: 自动安装脚本。
• requirements.txt: 项目依赖库列表。

2. 项目的启动文件介绍

主要启动文件

• run/Train.py: 用于训练模型的脚本。
• run/Test.py: 用于测试模型的脚本。
• run/Eval.py: 用于评估模型性能的脚本。
• Expr.py: 综合脚本，用于训练、测试和评估模型。

使用示例

训练模型

CUDA_VISIBLE_DEVICES=0 python run/Train.py --config configs/UACANet-L.yaml --verbose --debug

测试模型

python run/Test.py --config configs/UACANet-L.yaml --verbose

评估模型

python run/Eval.py --config configs/UACANet-L.yaml --verbose

3. 项目的配置文件介绍

配置文件路径

配置文件存放在 configs/ 目录下，例如 configs/UACANet-L.yaml。

配置文件内容示例

# 配置文件示例
model:
  name: UACANet-L
  backbone: Res2Net
  num_classes: 1

train:
  batch_size: 8
  epochs: 100
  learning_rate: 0.001

test:
  batch_size: 1
  checkpoint: snapshots/UACANet-L/latest.pth

配置文件参数说明

• model: 定义模型的名称、骨干网络和类别数。
• train: 定义训练时的批量大小、训练轮数和学习率。
• test: 定义测试时的批量大小和使用的模型检查点文件。

通过以上配置文件，可以灵活调整模型的训练和测试参数。

UACANet 项目地址: https://gitcode.com/gh_mirrors/ua/UACANet