nnUNetv2保姆级使用教程！UMamba保姆级使用教程！从环境配置到训练与推理（新手必看）

最新推荐文章于 2025-03-28 18:38:59 发布
最新推荐文章于 2025-03-28 18:38:59 发布
阅读量1k 收藏 6
点赞数 5
文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/m0_55776553/article/details/144300797
版权

将近一个月的时间，经历了接触这个UMamba(nnUNetv2)模型，跑通源码，跑通自己的数据集，熟悉源码，添加模块等等，现将看到觉得很有用的资料分享，外加自己的一些常用命令。

强推：

（1）nnU-Net v2的环境配置到训练自己的数据集（详细步骤）_python_小萝北hh-GitCode 开源社区

以上介绍的很全面，包括环境配置，自己的数据集怎么放，训练验证用什么命令，以下对如何推理和评估做出详细介绍，不过不是v2版本，稍有有点差别

（2）nnU-Net v2的环境配置到训练自己的数据集（详细步骤）_python_小萝北hh-GitCode 开源社区

 以下讲了k折交叉验证怎么取最后的值，loss为什么是负数

【技术分享】什么是K折交叉验证？-优快云博客

以下是我常用的训练命令（适用于我）跑一折：

nnUNetv2_train 2 3d_fullres 0 -tr nnUNetTrainerUMambaBot

跑全部的折数： 

source tst.sh

今天新get一个预测命令（适用于我）

nnUNetv2_predict -i /home/chengj/student/lhh/umamba/U-Mamba/data/nnUNet_raw/Dataset002_pore/imagesTs -o /home/chengj/student/lhh/umamba/U-Mamba/data/nnUNet_raw/Dataset002_pore/inferTs -d 2 -c 3d_fullres -f 0 -tr nnUNetTrainerUMambaBot -chk /home/chengj/student/lhh/umamba/U-Mamba/data/nnUNet_results/Dataset002_pore/nnUNetTrainerUMambaBot__nnUNetPlans__3d_fullres/fold_0/checkpoint_best.pth

评估模型的话用.py文件

nnunetv2/evaluation/evaluate_predictions.py

还可以在里面添加自己想要的评估指标

之后有新学习的技能的话还会补充

教我改bug
关注
Swin-UMamba：结合基于ImageNet的预训练和基于Mamba的UNet模型
m0_47867638的博客
02-08 1617
准确的医学图像分割需要整合从局部特征到全局依赖的多尺度信息。然而，现有方法在建模长距离全局信息方面面临挑战，其中卷积神经网络（CNNs）受限于其局部感受野，而视觉转换器（ViTs）则受到其注意力机制高二次复杂度的困扰。最近，基于Mamba的模型因其在长序列建模中的出色能力而备受关注。多项研究表明，这些模型在各种任务中可以超越流行的视觉模型，提供更高的准确性、更低的内存消耗和更少的计算负担。
Swin-UMamba—基于 Mamba 的 UNet 和基于 ImageNet 的预训练—论文精读和代码实践
Philo的博客
03-06 7060
准确的医学图像分割需要集成多尺度信息从局部特征到全局依赖性。然而，现有方法对远程全局信息进行建模具有挑战性，其中卷积神经网络（CNN）受到其局部感受野的限制，而视觉变换器（ViT）则受到其注意力机制的高二次复杂度的影响。最近，基于 Mamba 的模型因其在长序列建模方面令人印象深刻的能力而受到极大关注。多项研究表明，这些模型在各种任务中都可以优于流行的视觉模型，提供更高的准确性、更低的内存消耗和更少的计算负担。
2024年最全nnU-Netv2在服务器上使用全流程（小白边踩坑边学习的记录），阿里开发7年大牛
2401_84181524的博客
05-14 3411
（服务器的terminal）直接输入nvidia-smi。
Swin-UMamba和SegMamba论文解读
qq_61786525的博客
11-10 1814
分割后的 3D 图像，其中不同组织或结构被标记为不同的类别。医学图像分割，即将图像中的不同组织或器官进行区分和标记。: Swin-UMamba 的主要任务是进行。： 3D 医学图像分割。
nnU-Netv2使用教程(从建立数据集到推理）--运行代码版本和指令运行版本--(‘nnUNetv2_convert_MSD_dataset‘ 不是内部或外部命令，也不是可运行的程序或批处理文件。)
qq_42748165的博客
03-28 993
大部分人开始使用nnU-Net时，总会出现各种报错以及很多问题，本人在使用nnU-Net时，经历了下面几种报错，以及其对应的解决办法。
U-Mamba复现中遇到的问题及解决方法（完结）
weixin_43589205的博客
04-01 6563
U-Mamba复现中遇到的问题及解决方法
nnUNetv2使用教程
y1419267803的博客
06-12 2822
UNET_CONFIGURATION 是一个字符串，用于标识请求的 U-Net 配置（默认值：2d、3d_fullres、3d_lowres、 3d_cascade_lowres）。创建一个文件夹nnUNetFrame,位置自定，其中包括三个文件夹nnUNet_raw,nnUNet_preprocessed,nnUNet_results。其中DATASET_ID是数据集按照nnU-Net格式脚本处理后的编号，如果是AMOS2022，就是218。编写好脚本后，注意是否在自己的虚拟环境中，如图。
nnU-Netv2保姆级入门使用教程，从环境配置到训练与推理（踩坑排雷版）
m0_74299202的博客
09-30 1万+
包括三种U-Net网络配置，分别是2D U-Net，3D全分辨率U-Net，3D U-Net级联（包括3D低分辨率U-Net和3D全分辨率U-Net），要进行级联下的3D全分辨率U-Net需先完成3D低分辨率U-Net。注意不是所有的数据集都能触发级联，在完成数据集预处理的图中可以看到，本数据集仅有2d和3d_fullres，对于部分数据集来说，还有3d_lowres, 3d_cascade_fullres，而肝细胞肿瘤数据集就可以触发级联（暂时还不明白这是不是与数据集大小有关0.0）修改epoch。
nnUNet-v2 官方调用教程（节选关键内容）
RickieLim的博客
06-01 4000
如何调用2023.03.17最新发布的nnUNet-v2。详细教程！
nnU-Netv2新手教程（医学图像分割设计的自适应深度学习框架）
FormatAi的博客
12-30 2666
大佬文章《Automated Design of Deep Learning Methods for Biomedical Image Segmentation》，来自德国癌症研究中心。。nnUNet浓缩了医学图像的语义分割领域的大部分知识，并且具备自动为不同任务设计不同训练方案的框架，不需要人工进行调参。
CMake保姆级教程！！！
07-04
C++，cmake，makefile，
人工智能DeepSeek本地部署与WebUI可视化：知识库数据投喂训练AI新手保姆级教程 图文详解使用工具 Ollama + AnythingLLM，知识库文件、模型推理及数据处理均在本地完成
最新发布
05-26
亮点：①DeepSeek本地部署图文详解，新手保姆级教程；②使用工具 Ollama + AnythingLLM ，知识库文件、模型推理及数据处理均在本地完成，安全可控。 适合人群：对AI模型有兴趣的技术爱好者，尤其是希望在本地环境中...
DeepSeek 保姆级新手教程 新手必看
02-28
09、DeepSeek的使用技巧 - 05深度思考与批判性分析 10、DeepSeek的使用技巧 - 06文风转换与创意写作 11、DeepSeek的使用技巧 - 07多轮对话与复杂问题解决 12、DeepSeek的使用技巧 - 08多语言支持与跨文化交流 13、...
DeepSeek本地部署+WebUI可视化+数据投喂训练AI之新手保姆级教程.pdf
02-10
从本地部署到WebUI可视化，再到数据投喂训练AI，每一步都至关重要。用户在操作过程中，还需要注意可能遇到的OCR扫描文字错误问题，并进行适当的理解和修正，以保证整个流程的顺畅。 在本地部署AI模型时，我们需要...
13 万字 C 语言从入门到精通保姆级教程2021 年版
热门推荐
李南江
06-07 61万+
13 万字C语言保姆级教程，从入门到精通。
nnUNetv2训练流程——环境配置、数据集构建、数据处理、训练
weixin_45882172的博客
04-26 7784
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。
nnU-Netv2在服务器上使用全流程（小白边踩坑边学习的记录）
2501_90388721的博客
01-27 1208
images里面在.nii.gz前要加入0000（代表是模态0，若有其他模态的就依次0001，这个数字在json文件里要有体现，比如0模态是CT，1模态是MRI，详情请见步骤6），label是同名文件，但没有0000,0001。（备注：ITK-SNAP，包括python里面一些需要调用itk包，都是在路径中不能出现中文字，甚至“-”都不能出现，可以改用为“_”）Label1是红色，label2是绿色，则这层mask的矩阵，对应红色区域位置是1，绿色的是2，其余（background）是0。
nnUNet_v2（Linux）
Rad1ant_up的博客
12-09 4702
nnUNet的配置和使用
Swin-UMamba：基于Mamba的UNet模型，结合ImageNet预训练
gitblog_01038的博客
09-10 646
Swin-UMamba：基于Mamba的UNet模型，结合ImageNet预训练 Swin-UMambaSwin-UMamba: Mamba-based UNet with ImageNet-based pretraining项目地址:https://gitcode.com/gh_mirrors/sw/Swin-UMamba 项目介绍 Swin-UMamba 是一个基于Mamba架构的UNet模...
swin umamba复现
12-28
### 使用 Umamba 复现 Swin Transformer 项目或实验 #### 创建并激活虚拟环境 为了确保与原始项目的兼容性和稳定性，建议使用指定版本的 Python 和 CUDA 来创建一个新的虚拟环境。这里将采用 Conda 的替代品——Umamba。 ```bash umamba create --name swin_transformer python=3.6 -y umamba activate swin_transformer ``` 此命令会建立一个名为 `swin_transformer` 的新环境，并安装 Python 3.6 版本[^3]。 #### 安装依赖库 接下来需要安装所有必要的依赖项。对于 Swin Transformer 而言，除了常规的数据处理和机器学习框架外，还需要特别注意 Apex 库的安装方式有所不同： ```bash pip install torch torchvision torchaudio cudatoolkit==10.2 git clone https://github.com/NVIDIA/apex.git cd apex; pip install -v --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext" ./ ``` 上述指令不仅涵盖了 PyTorch 及其扩展包的安装，还包含了针对 NVIDIA GPU 加速优化过的 Apex 库的手动编译过程[^1]。 #### 配置参数解析器 在编写测试脚本时，通常需要用到命令行参数来传递配置选项。可以利用内置模块 `argparse` 实现这一功能： ```python import argparse def get_args_parser(): parser = argparse.ArgumentParser('Swin Transformer Test script', add_help=False) # 添加更多参数... return parser.parse_args() ``` 这段代码片段展示了如何初始化一个简单的 ArgumentParser 对象，并为其设置描述信息[^2]。 #### 运行训练/推理流程 最后，在完成前述准备工作之后，可以根据具体需求执行相应的训练或推断操作。这一般涉及到加载预训练权重、定义数据集路径以及调整超参等内容。具体的实现细节应当参照官方文档中的指导说明[^4]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值