window下nnUnetV2训练流程

nnUnetV2版本于2023粘3月更新，它是nnUnet的全新迭代产品
特别注意！！！！
batchgenerators库的版本V1使用0.20.1而V2版本使用0.25，二者版本间并不兼容，当需要共享编辑器时，需要卸载和重装指定batchgenerators库版本

环境安装

1. setup安装所需要的依赖库
2. 配置环境变量，在conda环境激活条件下配置nnUNet_raw，nnUNet_results，nnUNet_preprocessed三个文件夹的指定路径的环境变量
3. 验证环境变量是否安装成功：打开nnunetv2–>paths.py对os.envision的部分debug，观察是否有路径

nnUnetV2需要pytorch2.0.0版本，因此需要先升级cuda，我们将cuda升级到11.8的版本，通过控制面板-程序和功能 删除NVDIA CUDA Documentation 10.1，安装cuda11.8版本，选择自定义安装，只安装CUDA。安装完成后，进入pycharm的终端输入
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
来安装torch torchvision torchaudio匹配的版本

从V1版本迁移数据到V2的raw文件夹，并更新json文件
打开nnunetv2–>dataset_conversion–>convert_raw_dataset_from_old_nnunet_format.py文件，键入指令

D:\CMR-res\nnUNet-1-master\Dataset\nnUnet_raw\nnUNet_raw_data\Task040_KiTS Dataset040_KiTS

即可完成对数据集的迁移

对数据进行预处理,给定一个新数据集，nnU-Net 将提取数据集指纹（一组特定于数据集的属性，例如 图像大小、体素间距、强度信息等）。此信息用于设计三个 U-Net 配置。 其中每个管道都在其自己的数据集预处理版本上运行,打开nnunetv2–>experiment_planning–>plan_and_preprocess_entrypoints.py，键入指令

-d 040

训练数据集
Nnunetv2–>run–>run_training
键入指令：

nnUNetv2_train 040 3d_fullres 0 --npz

执行任务40的训练，使用3d_fullres网络框架，训练第0折

推理
当完整的训练完2d模型和3d_fullres模型共计10个fold后，运行推理程序
Nnunetv2–>evaluation–>find_best_configuration
键入指令

nnUNetv2_find_best_configuration 040 -c 2d 3d_fullres

此命令现在将在您的文件夹中创建一个inference_instructions.txt文件

预测
当完成模型的训练后，使用指定模型进行预测
Nnunetv2–>inference–>predict_from_raw_data
修改620行，if name == “main”：下的三个路径，分别为载入文件夹路径、输出文件夹路径，和使用模型文件夹
注意：
用于预测的文件命名应该与训练文件命名相同，即后缀为_0000的形式

集成

nnUNetv2_ensemble -i FOLDER1 FOLDER2 ... -o OUTPUT_FOLDER -np NUM_PROCESSES

后处理

nnUNetv2_apply_postprocessing -i FOLDER_WITH_PREDICTIONS -o OUTPUT_FOLDER --pp_pkl_file POSTPROCESSING_FILE -plans_json PLANS_FILE -dataset_json DATASET_JSON_FILE