nnUnet使用

最新推荐文章于 2026-03-05 03:13:53 发布

原创

最新推荐文章于 2026-03-05 03:13:53 发布 · 1.2k 阅读

文章标签：

#python #深度学习 #开发语言

本文详细介绍了如何使用PaddleSeg的MedicalSeg组件进行nnUnet的训练和验证，包括2D-UNet、3D-UNet和CascadeUNet的5折训练与验证过程，以及模型的Ensemble和静态图导出。整个流程涵盖了数据准备、依赖安装、模型训练、验证、预测和部署等关键步骤。

nnUnet使用

MedicalSeg/nnUnet组件介绍

组件结构

在这里插入图片描述

使用流程

准备工作：

#1.1获取PaddleSeg组件
#cd ~表示进入用户主目录
%cd ~/
!git clone https://gitee.com/PaddlePaddle/PaddleSeg.git
!git pull
%cd ~/PaddleSeg/
!git checkout develop

%cd ~/进入用户根目录，该指令不论当前工作目录是什么，均会返回根目录

%cd ~/data/进入根目录下的data目录

%cd data进入当前文件夹下的data目录，注意与~/data区别

%cd …/返回上一根目录

#1.2解压数据集
%cd ~/
!mkdir ~/PaddleSeg/contrib/MedicalSeg/msd_lung
!tar -xf ~/data/data125872/Task06_Lung.tar -C ~/PaddleSeg/contrib/MedicalSeg/msd_lung

#1.3安装依赖
%cd ~/PaddleSeg/contrib/MedicalSeg
!pip install -r requirements.txt
!pip install medpy

#1.4(可选)解压2D-UNet和Cascade UNet-lowres训练好的权重
%cd ~/
!mkdir ~/PaddleSeg/contrib/MedicalSeg/output
!unzip -oq ~/data/data169512/2d_and_cascade_lowres.zip -d ~/PaddleSeg/contrib/MedicalSeg/output/

开始训练

# 2D-UNet 训练————5折训练
%cd ~/PaddleSeg/contrib/MedicalSeg/
!python train.py --config configs/nnunet/msd_lung/nnunet_2d_msd_lung_fold0.yml --log_iters 20 --precision fp16 --nnunet --save_dir output/2d_unet/fold0 --save_interval 1000 --use_vdl
'''
修改fold1/2/3/4分别训练即可
考虑到内存问题，可增大save_interval
--precison fp16表示Use AMP (Auto mixed precision)自动混合精度训练
'''

# 3D-UNet训练
%cd ~/PaddleSeg/contrib/MedicalSeg/
!python train.py --config configs/nnunet/msd_lung/nnunet_3d_fullres_msd_lung_fold0.yml --log_iters 20 --precision fp16 --nnunet --save_dir output/3d_unet/fold0 --save_interval 1000 --use_vdl
'''
同样分别修改fold1/2/3/4进行5折训练
'''

train.py的可设置参数，具体查看train.py脚本

—— log_iters记录训练的loss、cost等参数的轮数

—— use_vdl记录训练参数，结束后可用于可视化

—— resume_model=‘path’中断训练和恢复重新训练

—— save_interval保存训练模型的轮数