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。)

倚楼听雨_WSQ

已于 2025-04-15 16:06:07 修改

阅读量675

点赞数 9

分类专栏：深度学习文章标签：深度学习 python pytorch 人工智能

于 2025-03-28 18:38:59 首次发布

本文链接：https://blog.youkuaiyun.com/qq_42748165/article/details/146605144

版权

深度学习专栏收录该内容

4 篇文章

订阅专栏

前言：

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。建议大家建一个新的环境专门用来使用nnUnet，避免各种稀奇古怪的报错。标题中的报错可直接查看第四章节。

一、设备说明及环境安装配置

设备说明：GPU采用的RTX3060，显存12G。

操作系统：Windows

CUDA：12.2

内存：32G

tip：cuda版本未必一定要一样，12.0也可以。但内存和显存最好大点。

二、anaconda环境配置及安装。

1、创建对应的环境。

教程使用anaconda对环境进行配yuanquanyi首先打开Anaconda Powershell，然后输入以下指令创建对应的环境。(下面所有的指令的中，红色标注指令或文件夹名称为本人的文件夹名称或路径等，需要根据你创建的情况进行修改，指令中黑色部分建议保持一致)。

conda activate -n segNNUnet python=3.9：表示创建了一个名字为segNNUnet的环境，python版本为3.9。(建议python版本别太低，曾经尝试过3.8版本，会报错)。

conda create -n segNNUnet python=3.9

2、下载pytorch包

①首先激活刚刚创建的环境。

指令为：

conda activate segNNUnet

进入到下面的界面表示已经进入到刚刚创建的环境中了。

②下载pytorch等包。

在pytorch官网上找出下面的界面，根据你的cuda版本和想要的pytorch版本，然后复制粘贴到刚刚的环境窗口。

(我下载的时pytorch版本时2.0.0，cuda用的是11.8，cuda版本可以向下兼容，我电脑cuda是12.2，我可以用12.1，12.0。。。等，但是无法使用12.3版本，我用的pip)。

指令如下：

pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu118

三、nnUnet资源下载

1、创建代码文件夹

①创建项目文件夹

直接创建一个文件夹，然后用pycharm打开。我创建的是nnUnet_Seg文件夹。

②选择解释器

选择解释器为刚刚创建的环境(我创建的是segNNUnet)。(本人使用的是pycharm2024版，不同版本之间，操作可能略有不同)

2、测试基本环境

在该文件夹下面新建一个test.py文件(该文件只是为了测试，该步骤不做强求，可跳过)。如图所示，表示基本环境安装完成。

import torch
if __name__ == '__main__':
    # 查看cuda是否可用
    print(torch.cuda.is_available())
    # 返回当前设备索引
    print(torch.cuda.current_device())
    # 返回GPU的数量
    print(torch.cuda.device_count())
    # 返回gpu的名字，设备索引默认从0开始
    print(torch.cuda.get_device_name(0))

3、进入到pycharm终端界面。

在pycharm软件中点击终端，查看是否进入了刚刚创建的环境，如果没有进入，就输入conda activate segNNUnet，进入该环境。

4、复制下面三条指令。

复制下面三条指令，然后粘贴到pycharm终端中运行。下面三条命令作用分别是将github上面的代码拉去到本地文件夹中、进入到nnUNet文件夹、安装所有的包。

git clone https://github.com/MIC-DKFZ/nnUNet.git

cd nnUNet

pip install -e .

最后一条指令执行过后可能会有报错，建议nnunetv2用2.3.1，这是正常的，如果不是对最新版本有要求，我推荐使用2.3.1，是没有问题的。安装2.3.1版本采用下面指令：

pip install nnunetv2==2.3.1

四、数据集创建及处理

1、创建dataset的文件夹。

文件夹目录树为：

D:\101_Python\nnUet_Seg
│── nnUNet
│ 
│── test.py
│

在刚刚的nnUNet文件夹下面创建三个文件夹，名称分别是：nnUNet_preprocessed、nnUNet_raw、nnUNet_results。名称必须是这三个。

新建之后的目录树为：

D:\101_Python\nnUet_Seg

│── test.py
│── nnUNet
    ├── nnunetv2
    ├── .git/
    ├── .github/
    ├── documentation/
    ├── nnUNet_preprocessed/
    ├── nnUNet_raw/
    ├── nnUNet_results/
    ├── nnunetv2/
    ├── .gitignore
    ├── LICENSE
    ├── pyproject.toml
    ├── readme.md
    └── setup.py

2、创建自己的数据集

（本步是使用自己的数据集进行的操作。若用的是nnUnet的官方数据集，按照官方指定的格式进行操作后，直接跳转到第三步即可）

①创建数据文件夹

在nnUNet_raw文件夹里新建一个文件夹Task520_trueLumen。（格式要求：Task***_name，格式必须是Task开头，有3位数字，后面的名称可以任意，建议数字在500以上，若1，2等这种，容易与已有的冲突，导致报错）。在Task520_trueLumen文件夹中新建3个文件夹和一个json文件。

imagesTr：存放的是训练的图像数据

imagesTs：存放的是测试的图像数据

labelsTr：存放的是训练的标签数据

文件的目录树如下：

D:\101_Python\nnUet_Seg\nnUNet\nnUNet_raw\Task520_trueLumen
├── imagesTr/
├── imagesTs/
├── labelsTr/
└── dataset.json

②创建json文件

json数据格式如下：

{
"name": "Task520_trueLumen",
"description": "Use nnUent to mark true and false lumen",
"tensorImageSize": "3D",
"reference": "area",
"licence": "",
"modality": {
"0": "CT"
},
"file_ending": ".nii.gz",
"overwrite_image_reader_writer": "SimpleITKIO",
"labels": {
"0": "background",
"1": "true_lumen",
"2": "false_lumen"
},
"numTraining": 1,
"numTest": 0,
"training": [
{
"image": "./imagesTr/947938.nii.gz",
"label": "./labelsTr/947938.nii.gz"
}
],
"test": [
]
}

重点关注：

tensorImageSize：数据的维度，是3D的还是2D的

modality：模态，是CT的还是MRI的

labels：具体的label是几个类别，类别值是多少，需与你的标签进行对应，我是做三个类别：分别是背景，真腔，假腔，分别对应是0，1，2。如果你做的是分割某一个器官，应为两个类别：背景、器官。

numTraining：训练数据的数量，测试数据数量同理

training：训练数据的文件路径，(若都是按照我之前的操作过程，只需修改文件名称即可)，但要与训练的数据的数量严格对应。测试数据路径同理。

3、添加电脑的环境变量：

在电脑设置-.>输入环境变量,点击编辑系统环境变量->环境变量->新建。

然后将刚刚创建的三个文件夹名称(nnUNet_preprocessed、nnUNet_raw、nnUNet_results)和路径输入进去如图。然后点击确定。最后最好重启一下电脑，保证环境变量生效。

4、转换数据集

方法一：指令输入(官方给出的操作)

路径要修改成你自己的。输入以下指令：

nnUNetv2_convert_MSD_dataset -i D:\101_Python\nnUet_Seg\nnUNet\nnUNet_raw\Task520_trueLumen

问题：因为我使用这条指令时，会出现以下错误，所以采用的是方法二，如果有大佬知道如何解决这个问题，欢迎在评论区给出解答。

'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。

个人推测是因为没有下面这个文件的原因，导致对应指令无法识别。

方法二：运行py脚本命令

在pycharm终端运行代码：其实就是运行py文件，但是可以加上对应的参数。下面这行命令的意思是：在D:\101_Python\nnUet_Seg/nnUNet/nnunetv2/dataset_conversion路径下运行convert_MSD_dataset.py这个python文件，同时将后面的参数传入进去。

python D:\101_Python\nnUet_Seg/nnUNet/nnunetv2/dataset_conversion/convert_MSD_dataset.py -i D:\101_Python\nnUet_Seg/nnUNet/nnUNet_raw/Task520_trueLumen

这个方法跟方法一基本差不多，但是在我的电脑上就是无法使用方法一，但是用方法二和方法三都是可以的。

方法三：运行py代码

①找到convert_MSD_dataset.py文件

找到nnunetv2文件->dataset_conversion文件夹->convert_MSD_dataset.py文件。

如图所示。

②修改代码

找到最后一行代码，然后修改括号中的内容，将第一个参数修改成之前存放数据集文件夹的路径，第二个参数修改成对应的id。(是nnUNet_raw文件夹下面的Task***_name文件夹路径，我的就是Task520_trueLumen这个文件夹路径，id就是520)。然后点击运行即可。

if __name__ == '__main__':
    convert_msd_dataset('/home/fabian/Downloads/Task05_Prostate', overwrite_target_id=201)

如果运行报错：这是因为你输入的id与已有的冲突了，更换id就好了。

File "D:\101_Python\nnUet_Seg\nnUNet\nnunetv2\dataset_conversion\convert_MSD_dataset.py", line 62, in convert_msd_dataset
assert len(existing_datasets) == 0, f"Target dataset id {target_id} is already taken, please consider changing " \
AssertionError: Target dataset id 520 is already taken, please consider changing it using overwrite_target_id. Conflicting dataset: ['Dataset520_trueLumen'] (check nnUNet_results, nnUNet_preprocessed and nnUNet_raw!)

结果：

运行成功后，会出现一个Data520_tureLumen文件夹，这个文件夹名字一定是Data开头，数字就是你输入的id。

在Dataset520_trueLumen文件夹下面是如下的内容。

imagesTr文件夹里面会有_0000命名的文件。

5、数据集预处理

方法一：指令输入(官方给出的操作)

输入以下指令，这里的520需要修改成你自己设置的id，与前面的保持一致。

nnUNetv2_plan_and_preprocess -d 520 --verify_dataset_integrity

我一直使用的都是代码运行的版本，还是因为类似的报错：

'nnUNetv2_plan_and_preprocess' 不是内部或外部命令，也不是可运行的程序
或批处理文件。

方法二：运行py脚本命令

与之前的相同，找到对应需要运行的文件，将参数传入进入，这部分可能会报一些错误，可查看方法三后的解释。这里还有一个点需要注意，要将plan_and_preprocess_entrypoints.py这个文件中的plan_and_preprocess_entry()参数值修改一下。如图所示，值修改成你的电脑显存大小。若不修改会报错：

self.get_plans_for_configuration(fullres_spacing_transposed, File "/opt/conda/lib/python3.9/site-packages/nnunetv2/experiment_planning/experiment_planners/default_experiment_planner.py", line 316, in get_plans_for_configuration (self.UNet_vram_target_GB / self.UNet_reference_val_corresp_GB) TypeError: unsupported operand type(s) for /: 'NoneType' an

python D:\101_Python\nnUet_Seg/nnUNet/nnunetv2/experiment_planning/plan_and_preprocess_entrypoints.py -d 520 --verify_dataset_integrity

方法三：运行py文件

①找到plan_and_preprocess_entrypoints.py文件

nnunetv2文件夹->experiment_planning文件夹->plan_and_preprocess_entrypoints.py文件

②修改代码

在上面的py文件中找到这个函数：plan_and_preprocess_entry()

将下面两个参数行默认值添加一下(本来没有默认值的)。第一个参数值修改成你设置的id，第二个参数设置成你电脑的gpu显存即可，单位默认是G。

def plan_and_preprocess_entry():
    import argparse
    parser = argparse.ArgumentParser()
    parser.add_argument('-d', nargs='+', type=int,default=[520],
                        help="[REQUIRED] List of dataset IDs. Example: 2 4 5. This will run fingerprint extraction, experiment "
                             "planning and preprocessing for these datasets. Can of course also be just one dataset")

parser.add_argument('-gpu_memory_target', default=8, type=float, required=False,
                    help='[OPTIONAL] DANGER ZONE! Sets a custom GPU memory target (in GB). Default: None (=Planner '
                         'class default is used). Changing this will '
                         'affect patch and batch size and will '
                         'definitely affect your models performance! Only use this if you really know what you '
                         'are doing and NEVER use this without running the default nnU-Net first as a baseline.')

问题：若在运行时，一开始的报错是下面之中情况，可以安装一下blosc2这个库，后面若还有报错等，可继续安装。(这个解决办法本人不是很确定，我在安装完成后再修改就可以成功运行代码)

File "E:\Anaconda_enviro\segNNUnet\lib\site-packages\acvl_utils\cropping_and_padding\bounding_boxes.py", line 5, in <module> import blosc2

在安装blosc2后可能还会出现下面两个报错：

File "/opt/conda/lib/python3.9/site-packages/nnunetv2/preprocessing/preprocessors/default_preprocessor.py", line 23, in <module> from nnunetv2.preprocessing.cropping.cropping import crop_to_nonzero File "/opt/conda/lib/python3.9/site-packages/nnunetv2/preprocessing/cropping/cropping.py", line 5, in <module> from acvl_utils.cropping_and_padding.bounding_boxes import get_bbox_from_mask, crop_to_bbox, bounding_box_to_slice ImportError: cannot import name 'crop_to_bbox' from 'acvl_utils.cropping_and_padding.bounding_boxes' (/opt/conda/lib/python3.9/site-packages/acvl_utils/cropping_and_padding/bounding_boxes.py)

ERROR: Could not find a version that satisfies the requirement blosc2>=3.0.0b4 (from acvl-utils) (from versions: 0.1.1, 0.1.2, 0.1.3, 0.1.4, 0.1.5, 0.1.6, 0.1.7, 0.1.8, 0.1.9, 0.1.10, 0.2.0, 0.3.0, 0.3.1, 0.3.2, 0.4.0, 0.4.1, 0.5.1, 0.5.2, 0.6.1, 0.6.2, 0.6.3, 0.6.4, 0.6.5, 0.6.6, 2.0.0, 2.1.0, 2.1.1, 2.2.0, 2.2.1, 2.2.2, 2.2.3, 2.2.4, 2.2.5, 2.2.6, 2.2.7, 2.2.8, 2.2.9, 2.3.0, 2.3.1, 2.3.2, 2.4.0, 2.5.0, 2.5.1)
ERROR: No matching distribution found for blosc2>=3.0.0b4

解决办法：安装acvl-utils的版本为0.2，即可保证代码运行成功，指令如下：

pip install -U acvl-utils==0.2

若没有修改第一个会出现下面的报错：

File "E:\Anaconda_enviro\segNNUnet\lib\site-packages\acvl_utils\cropping_and_padding\bounding_boxes.py", line 5, in <module> import blosc2

若没有修改第一个会出现下面的报错：

File "C:\Users\123\AppData\Roaming\Python\Python39\site-packages\nnunetv2\experiment_planning\experiment_planners\default_experiment_planner.py", line 316, in get_plans_for_configuration
(self.UNet_vram_target_GB / self.UNet_reference_val_corresp_GB)
TypeError: unsupported operand type(s) for /: 'NoneType' and 'int'

在处理完所有的报错信息之后，进入代码的数据处理阶段，这个数据处理需要较长的时间，(建议喝杯卡布奇诺，顺便休息一小会 --_-- )。

结果：

运行成功之后，你的运行效果下面这样的情况。

在文件夹下面会出现对应的Data开头的文件夹。

文件的内容如下：

五、训练网络

1、修改训练的epoch数：

在文件中nnUNet文件夹->nnunetv2文件夹->training文件夹->nnUNetTrainer文件夹->nnUNetTrainer.py文件中，修改self.num_epochs的值。

可能未必会生效，建议在另一个文件中也修改一下。找到你创建的环境目录。我这个环境名称是nnU-Net。

也可能找不到Lib文件夹中的site-packages文件夹，可能在C盘中的这个路径下。我的就是这个路径下面。

2、开始训练

方法一：指令输入(官方给出的操作)

路径要修改成你自己的。输入以下指令：

nnUNetv2_train 4 2d 0 ：

4代表你的数据id号，

2d表示进行2d的训练，可选用的参数有2d、3d_fullres(3D全分辨率)、3d_lowres(3D低分辨率)

0代表进行1层交叉验证，值在0-4之间。

3d_cascade_fullres：代表级联。不是所有的数据集都支持级联。

nnUNetv2_train 4 2d 0
nnUNetv2_train 4 2d 4

nnUNetv2_train 4 3d_fullres 0

nnUNetv2_train 4 3d_fullres 4

nnUNetv2_train 1 3d_lowres 0
nnUNetv2_train 1 3d_lowres 4

nnUNetv2_train 1 3d_cascade_fullres 0

nnUNetv2_train 1 3d_cascade_fullres 4

方法二：通过运行对应的py脚本

在命令行终端输入以下指令：参数传递与方法一相同。

python D:/101_Python/nnUet_Seg/nnUNet/nnunetv2/run/run_training.py 520 3d_fullres 4

可能会报以下的错误：

Traceback (most recent call last):
File "/home/nnUnet/nnUNet/nnunetv2/run/run_training.py", line 277, in <module>
os.environ['TORCHINDUCTOR_COMPILE_THREADS'] = 1
File "/opt/conda/lib/python3.9/os.py", line 684, in __setitem__
value = self.encodevalue(value)
File "/opt/conda/lib/python3.9/os.py", line 756, in encode
raise TypeError("str expected, not %s" % type(value).__name__)
TypeError: str expected, not int

找到run_training.py文件，然后将文件中的内容修改成下面这样即可。