nnUNetV2使用教程，超详细！！（使用MSD十项全能数据集）

一.什么是nnUNet

关于nnUNet的具体概念这里不在赘述，总的来说它是一个自适应数据集的分割网络，仅仅使用unet网络，V2版本在数据集上的包容性更强，除了nii,gz格式，还支持png格式等等，如果有需要转文件格式，请参考我以前的博文

二.所需环境

2.1 nnUNetV2的要求如下

ubuntu 18，20，22（旧版本的要求为16，18，20，我觉得22也可以，但是没试过）；python3.9以上；pytorch2.0以上

2.2我的环境配置

ubuntu22；python10；pytorch2.0

三.预备工作

3.1下载nnUNet源码

默认大家都是要下载下来进行改动的哈，所有在ubuntu终端输入如下命令

git clone https://github.com/MIC-DKFZ/nnUNet.git``

**但是！！**用终端克隆代码真的很慢，虽然有一些解决办法，可是有时候也会报错，所以，高端的食材往往采用最朴素的烹饪方式！直接去github上下载，下载地址就是nnUNetV2，推荐把他下载在ubuntu的home里，不信你听不懂，如果你需要nnUNet的旧版本，点击nnUNetV2的readme，如下，直接传送过去

在下载下来以后如果文件名字不是nnUNet，可以给文件夹重命名一下，方便后面你直接复制代码

3.2正题来了

继续在终端输入

cd nnUNet

就是进入nnUNet文件夹

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -e .

各位小白直接用可能又会出错啦，所以直接上清华源，务必全部复制，包括后面那个点，不要漏了

3.3 下载hiddenlayer

同样

git clone https://github.com/FabianIsensee/hiddenlayer.git
cd hiddenlayer
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -e . 

四.数据集转化

nnUNetV2相对于旧版本来说在格式上宽容很多，不过在正题开始之前，我们先把一些需要的文件夹弄好！
4.1 到我们的home里，找到我们刚刚下载的nnUNet文件夹，点开，新建一个nnUNetFrame文件，

4.2 点开，在里面新建DATASET文件夹

4.3 点开，新建3个文件夹，分别是nnUNet_raw；nnUNet_preprocessed；nnUNet_results

到这里，我们的文件夹就建好了
设置环境变量

1. 在home目录下按ctrl + h
2. 找到.bashrc文件，如何在文件底部加上

export nnUNet_raw="nnUNet_raw文件夹的完整路径"
export nnUNet_preprocessed="preprocessing文件夹的完整路径"
export nnUNet_results="nnUnet_results文件夹的完整路径"

4.3那里新建的三个文件夹的路径，可以通过查看文件夹的属性来查看，复制

4. 保存更改，然后更新文件

source /home/你的用户名/.bashrc

其实用

source .bashrc

也可以，但是有时候没用，我就遇到这个问题，多改了几次然后更新不了，后面数据集转化一直报错，搞了老半天才发现问题，所以如果伙伴们在数据集转化时出现问题，很大可能就是这里没弄好

五.数据集格式转化

我们先把MSD数据集下下来数据集链接，随便放到什么地方，还是跟我一样直接放在home那吧，好找，我下的是第二个Heart数据集，因为它小
然后就可以进行数据集转化啦

nnUNetv2_convert_MSD_dataset  -i  原数据集的路径  -overwrite_id 02

最后的02是下载下来数据集的ID，如果是其他数据集做相应更改
这时候在nnUNet_raw里面就有转化好的数据集文件啦

注意！！！V2版本的是Datasetxxx，旧版本的是Taskxxx（忽略我那个Task，那是个失败品），打开转化出来的数据集是这个样子

第一个文件里面存放的是训练文件，相对于没有转化的原数据集，它多了0000这种标识，如果你转出来的是这种，那就对了，而标签文件是没有这些0000的

六.数据预处理

nnUNetv2_plan_and_preprocess -d 002 --verify_dataset_integrity

把002换成自己的数据集ID

七.训练

nnUNetv2_train 002 2d 0

这里002是数据集ID
2d：是选择网络，其他还有3d_fullres, 3d_lowres, 3d_cascade_lowres
0：5折交叉验证中所选的折数，在[0,1,2,3,4]范围内选择，有的博主说5代表5折，我看了代码以后不那么认为，选5也可以运行，但是不是5折交叉验证，nnUNet会以4：1的比例随机选择训练集和验证集，如果不想使用5折交叉，自己进行训练集和验证集的划分，我后续会出教程

八.推理

soon