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
- setup安装所需要的依赖库
- 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
- 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