Transunet复现

 git代码:

TransUNet/datasets/README.md at main · Beckschen/TransUNet (github.com)

参考文章：TransUNet模型复现_transunet复现-CSDN博客

1.下载 Google 预训练的 ViT 模型（其实 就用的这一个）

2.准备数据:参考文章里面有别人贴的

3. 环境：使用python=3.7准备一个环境   pip install -r requirements.txt 

   注意：目前最新的Simple ITK不支持py3.7，用pip install SimpleITK==2.0.0

4，代码结构：

• 整体结构
• 本次用的vit预训练权重
• 数据集的格式

5.训练train.py：

报错1：找不到vit权重文件

​​​​FileNotFoundError: [Errno 2] No such file or directory:'../model/vit_checkpoint/imagenet21k/R50+ViT-B_16.npz'

 解决1：跳转函数，修改vit_seg_config：贴绝对路径

报错2：FileNotFoundError: [Errno 2] No such file or directory:'../data/Synapse/train_npz/case0023_slice036.npz

解决2：图1：数据参数：改为绝对路径。  

图二：将：parser.add_argument('--root_path', type=str, default='./data/Synapse/train_npz', help='root dir for data')修改见图

报错3：RuntimeError: CUDA out of memory. Tried to allocate 74.00 MiB (GPU 0; 10.75 GiB total capacity; 9.61 GiB already allocated; 13.62 MiB free; 9.92 GiB reserved in total by PyTorch)

解决3：显存不足够，减少bs，我根据我的实际情况改为：python train.py --batch_size 15

查看GPU：nvidia-smi（略）润：

所有训练完的.pth文件会保存在新产生的model文件，我改了好几次btachsize：最优秀的，get!

6.测试test.py

参考文章：TransUnet官方代码测试自己的数据集（已训练完毕）_transunet测试-CSDN博客

 图一：修改test.py:除了test_vol_h5,地址要放对，其他三个参数与train文件一致（此图为修改后）

图二：data_config：改为绝对路径

报错1：No such file or directory: '../model/TU_Synapse224/TU_pretrain_R50-ViT-B_16_skip3_bs24_224/epoch_29.pth'

解决1：我没有用bs=24,我用的bs=15,所以，没有这个24权重文件，使用训练后新产生的15的权重文件

报错2：

解决2：要把模型名称与train改一样了！就上面修改test的文件，与train的模型名称要一致。

润test.py:

最后：新生成记录文件

mean_dice 表示平均 Dice 系数，用于度量模型的图像分割性能。Dice 系数越接近 1，表示分割结果与真实标签的重叠越好，性能越高。

mean_hd95 表示平均 95% Hausdorff 距离，也用于评估图像分割性能。95% Hausdorff 距离越小，表示分割结果与真实标签的接近度越高，性能越好。

PS：不要迷信GPT4，感谢大家先验知识，菜鸟分享。努力摆菜。