WIN10+RTX3090显卡+TensorFlow+Unet医学图像分割（附数据集和源码）

Unet检测图像分割

最近新入手了RTX3090显卡，想找个框架试下3090性能。TensorFlow，pytorch和paddle都已经支持CUDA11了。paddle是12月20日发布paddlepaddle2.0rc1版本支持CUDA11，没来得及验证。下面说明下TensorFlow在RTX3090深度学习环境的搭建和训练。因为是新入手的台式机，所以从0开始搭建环境。本博客用到的资源都已经上传百度网盘，方便大家搭建自己的环境。包含Anaconda3-5.0.1、cuda11.1、cudnn、unet代码和CVC-ClinicDB数据集。
百度网盘链接：
提取码：77e0

一、conda安装

Anaconda安装按照步骤完成。打开Anaconda Prompt如下图：

创建虚拟环境
conda create -n tensorflow python=3.7
需要键盘输入y，然后完成虚拟环境安装。

附：再多说明几条命令

1. conda env list //查看当前的虚拟环境，如果是多个深度学习框架可以创建多个虚拟环境。
2. activate tensorflow //激活当前虚拟环境
3. deactivate //关闭当前虚拟环境
4. conda remove -n tensorflow --all //删除虚拟环境，tensorflow 是虚拟环境名称

二、cuda11.1的安装

cuda安装按照步骤进行即可，选择自定义安装

安装完成后系统变量如下：

path里面包含内容如下：下面第二个红框内容需要自己补充

三、cudnn的安装

把cudnn解压如下图：

把bin、include和lib三个文件夹里的文件都分别拷贝到cuda安装目录下的bin、include和lib文件夹内。

四、TensorFlow安装

打开Anaconda Prompt

activate tensorflow
pip install tf-nightly-gpu

五、RTX3090环境验证

进入tensorflow虚拟环境以后，进入python环境

import tensorflow as tf
print('GPU',tf.test.is_gpu_available())

如果碰到缺少cusolver64_10.dll，直接把cusolver64_11.dll复制一份改成cusolver64_10.dll即可。该文件在cuda安装目录bin文件夹内。

六、Unet医学图像分割

先放上Unet工程源码，百度网盘里也有提供：
https://github.com/nikhilroxtomar/Polyp-Segmentation-using-UNET-in-TensorFlow-2.0
解压工程以后把CVC-612/images的README.md和CVC-612/masks里的README.md文件都删掉。
直接执行 python train.py即可

如果想训练更多的数据，把数据集《CV临床数据库》里的png原图和标签分别拷贝到images和masks里面再进行训练。训练的epoch，batch size，lr等可以修改，这些在train.py里面。