nnUNetv2训练流程——环境配置、数据集构建、数据处理、训练

潘儿er

已于 2024-04-29 17:09:26 修改

阅读量829

点赞数 31

分类专栏： nnUNetv2 网络训练 nnUNet环境配置文章标签： python linux pip vim centos 人工智能神经网络

于 2024-04-26 13:57:52 首次发布

本文链接：https://blog.csdn.net/weixin_45882172/article/details/138216705

版权

nnUNetv2 同时被 3 个专栏收录

1 篇文章 0 订阅

订阅专栏

网络训练

1 篇文章 0 订阅

订阅专栏

nnUNet环境配置

1 篇文章 0 订阅

订阅专栏

nnUNetv2训练流程——环境配置、数据集构建、数据处理、训练

概要
 整体流程说明
 环境配置
 数据集文件构建
 数据格式化
 数据预处理
 数据训练
 注意点

概要

nnUNetv2初使用，分享内容包括：环境配置、数据集文件构建、数据格式化、数据预处理、数据训练

整体流程说明

1.环境配置

①可以使用以前的conda环境，也可新建仅用于nnunet的新环境

conda create -n your_env_name python=x.x

②安装nnUNetv2

用作标准化基线、开箱即用的分割算法或使用预训练模型运行推理:

pip install nnunetv2

用作集成框架（这将在您的计算机上创建 nnU-Net 代码的副本，以便您可以根据需要进行修改）：

git clone https://github.com/MIC-DKFZ/nnUNet.git
cd nnUNet
pip install -e .

③安装隐藏层，hiddenlayer 使 nnU-net 能够生成它生成的网络拓扑图，非必要安装

pip install --upgrade git+https://github.com/FabianIsensee/hiddenlayer.git

2.数据集文件结构构建

①新建文件夹DATASET
在这里插入图片描述
②进入DATASET，新建三个文件夹nnUNet_preprocessed、nnUNet_raw、nnUNet_results
③环境变量配置
nnU-Net 需要一些环境变量，以便它可以知道原始数据、预处理数据和训练数据的位置。根据操作系统的不同，这些环境变量需要以不同的方式进行设置（本文操作系统Linux & MacOS）。

找到并进入.bashrc文件，并进入编辑模式

vim .bashrc

在文件底部添加数据集文件路径

export nnUNet_raw="/media/fabian/nnUNet_raw"  #nnUNet_raw文件路径
export nnUNet_preprocessed="/media/fabian/nnUNet_preprocessed"#nnUNet_preprocessed文件路径
export nnUNet_results="/media/fabian/nnUNet_results"  #nnUNet_results文件路径

保存并退出
最后更新文件

source .bashrc

说明：上述环境变量配置方法属于永久配置，若临时配置，只需在运行nnunet时，执行添加数据集文件路径的命令即可

3.数据集格式化

nnUNet_raw文件夹存放不同分割任务的文件夹，对应不同数据集

①数据集文件夹格式：

数据集Dataset001_BrainTumour中存放的是训练集（imagesTr）、训练集标注(labelsTr)、测试集（imagesTs）、dataset.json文件（包含数据集Dataset001_BrainTumour的元数据）

②训练数据存放格式（imagesTr）：
imagesTr的文件结构是img_XXX_XXXX.nii.gz
XXX：数据序号(与labelsTr中的序号对应) XXXX：数据的通道
如CT数据，单一通道，则所有数据都是0000

③测试数据文件格式同训练数据(imagesTs)
④训练集标注存放格式(labelsTr)：
img_XXX.nii.gz
XXX：数据序号（与imagesTr中的序号对应），见②中的图片。
④dataset.json文件：包含 nnU-Net 训练所需的元数据。

{ 
 "channel_names": {  # formerly modalities
   "0": "T2", 
   "1": "ADC"
 }, 
 "labels": {  
   "background": 0,
   "PZ": 1,
   "TZ": 2
 }, 
 "numTraining": 32, 
 "file_ending": ".nii.gz"
 "overwrite_image_reader_writer": "SimpleITKIO"  # optional! If not provided nnU-Net will automatically determine the ReaderWriter
 }

4.数据预处理

nnUNetv2_plan_and_preprocess -h #查看帮助
nnUNetv2_plan_and_preprocess -d 001 --verify_dataset_integrity

001：数据集ID，对应Dataset001_BrainTumour
数据处理好后会放在nnUNet_preprocessed/Dataset001_BrainTumour 下

5.模型训练

nnUNetv2_train DATASET_NAME_OR_ID UNET_CONFIGURATION FOLD #[其他选项，参见 -h]

DATASET_NAME_OR_ID：数据集ID
UNET_CONFIGURATION：选择训练网络（2d、3d_fullres、3d_lowres、3d_cascade_fullres）
FOLD ：指定要训练的 5 折交叉验证中的哪一个折数，0-4表示单个折数，all和5表示5折一起训练

eg: nnUNetv2_train 001 3d_fullres 1 #(表示使用001这个数据集，模型用3d_fullres，训练第一折)

还可指定不同GPU训练五折交叉验证中的不同折

CUDA_VISIBLE_DEVICES=0 nnUNetv2_train 001 2d 0  # 在GPU0上训练第0折
CUDA_VISIBLE_DEVICES=1 nnUNetv2_train 001 2d 1  # 在GPU1上训练第1折
CUDA_VISIBLE_DEVICES=2 nnUNetv2_train 001 2d 2  # 在GPU2上训练第2折

注意点说明

1.如果想把数据集文件创建在nnUNet代码文件夹中，一定要完成环境配置之后进行，否则在环境配置中使用 pip install -e . 时会报错。

2.nnUNetv2和torch版本问题
问题描述：当执行训练命令后，出现下图错误：NVIDIA驱动版本太老。

问题分析：博主服务器支持cuda<=11.7。实际不是cuda版本太老，而是torch和cuda版本不对应的问题。
查找并安装对应的torch：torch和cuda版本对应关系
cuda11.7支持torch版本是2.0.1。卸载原来的torch，重新安装后，训练正常。

另外：在安装新版本torch的时候，报错如下，但未影响安装。博主安装了nnUNetv2的版本是2.4，需要torch>=2.1，但使用2.0也正常训练了模型。
在这里插入图片描述
温馨提示：若在2024.4.27日之后安装nnUNetv2且安装时未指定版本，默认安装的是最新版，最好使用torch>=2.1。也可指定版本安装，nnUNetv2<=2.3版本的，均支持torch2.0。