Endo-FM 项目使用与配置教程

Endo-FM 项目使用与配置教程

Endo-FM [MICCAI'23] Foundation Model for Endoscopy Video Analysis via Large-scale Self-supervised Pre-train 项目地址: https://gitcode.com/gh_mirrors/end/Endo-FM

1. 项目的目录结构及介绍

Endo-FM 项目是一个用于内窥镜视频分析的开源项目。以下是项目的目录结构及其简要介绍：

• assets/: 存放项目所需的资源文件，如图片、视频等。
• checkpoints/: 存放预训练的模型权重文件。
• data/: 存放数据集相关的文件，包括原始数据、预处理脚本和数据列表等。
• environment.yaml: 用于创建项目环境的配置文件。
• LICENSE: 项目使用的 Apache-2.0 许可文件。
• README.md: 项目的说明文档。
• scripts/: 存放项目运行脚本的目录。
• timm/: 一个用于图像模型训练的库。
• tools/: 存放项目所需的工具脚本。

2. 项目的启动文件介绍

项目的启动主要通过命令行脚本进行。以下是一些主要的启动脚本及其功能：

• train_clips32k.sh: 启动预训练过程的脚本。
• eval_finetune_polypdiag.sh: 对 PolypDiag 数据集进行微调评估的脚本。
• test_finetune_polypdiag.sh: 对 PolypDiag 数据集进行测试的脚本。

3. 项目的配置文件介绍

项目的配置文件主要用于设置环境和模型训练的参数。以下是一些主要的配置文件及其功能：

• environment.yaml: 用于创建 Anaconda 环境的配置文件。它包含了项目所需的所有 Python 包。

name: endofm
dependencies:
  - python=3.8
  - torch==1.8.0
  - torchvision==0.9.0
  - pillow==6.2.2
  - timm==0.4.12

• train.py: 模型训练的配置文件。它包含了训练过程的各项参数，如批次大小、学习率、优化器等。

# 示例配置
config = {
    'batch_size': 16,
    'learning_rate': 0.001,
    'optimizer': 'Adam',
    'epochs': 10,
    # 更多配置...
}

• train_clips32k.sh: 预训练过程的命令行配置脚本。它包含了预训练所需的命令和参数。

#!/bin/bash
cd Endo-FM
wget -P checkpoints/ https://github.com/kahnchana/svt/releases/download/v1.0/kinetics400_vitb_ssl.pth
bash scripts/train_clips32k.sh

使用这些配置文件，用户可以根据自己的需求调整项目设置，进行模型的训练和测试。

Endo-FM [MICCAI'23] Foundation Model for Endoscopy Video Analysis via Large-scale Self-supervised Pre-train 项目地址: https://gitcode.com/gh_mirrors/end/Endo-FM