【nnUNet v2—修改网络】—AutoDL

一、修改网络

在autodl-fs/u-Mamba-main/U-Mamba/nnunetv2/nets中建立自己的网络模型，也可以复制别人的模型，在其基础上修改为自己的模型。

二、修改训练器

将文件autodl-fs/u-Mamba-main/U-Mamba/nnunetv2/training/nnUNetTrainer/nnUNetTrainer.py 复制一份，重新命名为自己的训练器。

• 修改模型（例如：UMambaBot）；
• 修改训练器名（nnUNetTrainerUMambaBot，后面训练指令用）；
  
• 修改训练epoch。
  在autodl-fs/u-Mamba-main/U-Mamba/nnunetv2/training/nnUNetTrainer/nnUNetTrainer.py 中第147行。
  

三、训练步骤

这个博客写的比较简单，详细参考：nnUNet V2训练-AutoDL

1. 上传、解压baseline代码

• 安装nnUNet v2 ：

pip install -e .

• 新建文件夹data，并在其下新建三个文件夹：

nnUNet_raw
nnUNet_preprocessed
nnUNet_results

• 设置 nnUNet 读取文件的路径：
  • 终端输入：vim ~/.bashrc
  • 按 insert 键，输入下面：

export nnUNet_raw="/root/autodl-fs/u-Mamba-main/data/nnUNet_raw"
export nnUNet_preprocessed="/root/autodl-fs/u-Mamba-main/data/nnUNet_preprocessed"
export nnUNet_results="/root/autodl-fs/u-Mamba-main/data/nnUNet_results" 

• 按esc ，输入: ，输入 wq ：
• 验证是否设置成功：
  • 终端输入：source ~/.bashrc
  • 依次输入：

echo $nnUNet_results
echo $nnUNet_raw
echo $nnUNet_preprocessed

2. 上传数据、解压数据

• 解压数据：

unzip Dataset208_LiTS2017.zip -d /root/autodl-fs/u-Mamba-main/data/nnUNet_raw

• 清内存：

du -sh /root/miniconda3/pkgs/ && rm -rf /root/miniconda3/pkgs/* 

• 复制文件：

cp -r Dataset701_AbdomenCT/* U-Mamba/data/nnUNet_raw/Dataset701_AbdomenCT/

• 从一个实例拷贝数据到另一个实例：
  • 蒙古B区的数据autodl-fs/u-Mamba-main，拷贝到内蒙A区autodl-fs/u-Mamba-main；
  • 蒙古B区开机，蒙古A区无卡开机；
  • 需要内蒙A的ssh和密码：如ssh -p 16999 root@connect.neimeng.seetacloud.com；
  • 进入内蒙B区的终端，输入下面命令，然后输入内蒙A的密码：

cd /root/autodl-fs/u-Mamba-main/ &&  tar cf - * | ssh -p 16999 root@connect.neimeng.seetacloud.com "cd /root/autodl-fs/u-Mamba-main && tar xf -"

3. 数据预处理

nnUNetv2_plan_and_preprocess -d 208 --verify_dataset_integrity

4. 训练

• 训练：

nnUNetv2_train 208 3d_fullres all -tr nnUNetTrainerUMambaBot

• 删除npy文件：

rm *.npy

• 中断后继续训练：

nnUNetv2_train 208 3d_fullres all -tr nnUNetTrainerUMambaBot --c

• 如果设置的epoch是500，但是还想继续训练：
  • 将checkpoint_final.pth 重命名为checkpoint_latest.pth；
  • 继续训练，终端输入： nnUNetv2_train 208 3d_fullres all -tr nnUNetTrainerUMambaBot --c
• 如果设置的epoch是1000，发现500时就收敛了，暂停后进行推理：
  • 将 checkpoint_latest.pth重命名为checkpoint_final.pth；
  • cd到放评价指标代码的文件夹（如evaluation），终端输入：nnUNetv2_predict -i ./data/nnUNet_raw/Dataset208_LiTS2017/imagesTs -o ./evaluation/segs/Dataset208_UMambaBot -d 208 -c 3d_fullres -f all -tr nnUNetTrainerUMambaBot --disable_tta
  • 或者也不用修改上面的名字，只需要指定 checkpoint_latest.pth即可，如终端输入：

nnUNetv2_predict -i ./data/nnUNet_raw/Dataset701_AbdomenCT/imagesVal -o ./evaluation/segs/Dataset701_UMambaEnc -d 208 -c 3d_fullres -f all -chk checkpoint_latest.pth -tr nnUNetTrainerUMambaEnc --disable_tta

5. 推理

• 用保存最后的模型推理：

nnUNetv2_predict -i ./data/nnUNet_raw/Dataset701_AbdomenCT/imagesVal -o ./evaluation/segs/Dataset701_UMambaEnc -d 208 -c 3d_fullres -f all -tr nnUNetTrainerUMambaEnc --disable_tta

• 用保存最好的模型推理：

nnUNetv2_predict -i ./data/nnUNet_raw/Dataset701_AbdomenCT/imagesVal -o ./evaluation/segs/Dataset701_UMambaEnc -d 208 -c 3d_fullres -f all -chk checkpoint_best.pth -tr nnUNetTrainerUMambaEnc --disable_tta

6. 评价指标

python liver_DSC_Eval.py --gt_path ~/autodl-fs/u-Mamba-main/data/nnUNet_raw/Dataset208_LiTS2017/labelsTs  --seg_path ./segs/Dataset208_UMambaBot --save_path ./Dataset208_UMambaBot.csv

• 评价指标平均值计算：

=ROUND(AVERAGE(B2:B39),4) *100&"±"&ROUND(STDEV(B2:Bx), 4) *100

=ROUND(AVERAGE(B2:B39),4) *100&

7. 安装nnUNet v2 出现问题-AutoDL

• 当你将一个服务器的环境和文件转移到另一个服务器时，在新的服务器会出现问题：

1. 安装nnUNet v2 的文件读取是从autodl-fs/data/LightM-UNet-master/lightm-unet，而不是从autodl-fs/LightM-UNet-master/lightm-unet，可以看到多出来一个文件data
2. 在进行数据预处理时，会出现找不到autodl-fs/LightM-UNet-master/data/nnUNet_raw中的nii文件
   

• 原因：
  我们在从其他服务器导入环境和文件时，会自代入之前的文件存储
• 解决方法：
  如果你原来安装的是LightM-UNet-master，那么我们可以先安装原有的nnUNet v2(安装的适合可能会出错)，然后再回到文件夹LightM-UNet-master/lightm-unet重新安装nnUNet v2
• 安装nnUNet v2(出现错误，不用管，主要是为了让从头安装LightM-UNet，让nnUNet v2替换原服务器的安装环境）
  
  
• 安装LightM-UNet
  

参考博客：

[1] UUNet训练自己写的网络
[2] nnUNet v2版本 如何训练自己设计的网络
[3] nnUnetV2:自定义网络