3D UX-net 训练记录

3D UX-net 训练记录

题外话：如果自己跑过nnunet或者其他模型的大佬会更容易上手，但是对于第一次跑模型的小白来说，这个模型也是很好上手和跑通的！本人就是小白，这是我跑通的第一个模型。

首先先去官网下载所需的代码和论文（跑之前可以先不看论文，我就是）

官网：GitHub - MASILab/3DUX-Net

我自己电脑可以用 Download ZIP 直接下载，并且很快，如果下不了可以尝试复制 github 链接去 git 里面下载！这个也非常快！

下载完代码以后解压，通过 Xftp 上传到你的服务器里面。

下完代码以后可以去看 README.md ，打开就是这样的：

这里插个题外话，在 3DUX-Net 大标题下面有一个 Issues ，这个是广大亲爱的网友们在跑这个模型时出现的问题。一般建议是，出现的问题讨论越多越好，因为可能你也会出现那些问题，这样你大部分就可以根据里面的回答就解决了，不用再去搜怎么解决。因为这个是2023年刚出的，所以才 8 个讨论。

现在我们还不需要看网络架构，往下翻，可以找到 Installation ，也就是安装说明，这里面会告诉你需要安装什么环境。

点开 INSTALL.md 这个可以看到首先我们需要安装 Conda 环境：如果还没有装 anaconda 的或者环境还不会搭的，可以看我的之前的文章哦！~

在这里：环境安装(anaconda+pycharm+pytorch) - Ray-Z - 博客园 (cnblogs.com)

conda create -n uxnet3d python=3.8
conda activate uxnet3d

创建好一个叫 uxnet3d 的虚拟环境，后面的操作都在这个环境里面。

环境创建好以后，记得打开这个环境！！！

conda activate uxnet3d

然后就是装 PyTorch 了，这个需要和你的 CUDA 版本相对应，如果你只装 cpu 版的就不用这么麻烦了，具体怎么装，在我之前的文章也有写哦~

在这里：环境安装(anaconda+pycharm+pytorch) - Ray-Z - 博客园 (cnblogs.com)

题外话：这个模型虽然很新，但是它可以根据你自己的 CUDA 版本装对应的 PyTorch ，没有指定 PyTorch 版本就很好，在跑这个模型之前，我跑了 nnunet v2 ，他就对 PyTorch 有要求，而我可用的服务器的 CUDA 又比较低，所以还没有跑通。

装好 PyTorch 后，就可以进行下一步，装 monai 这个包。

pip install monai==0.9.0

这个装完以后就需要去代码文件夹下，有一个 requirements.txt ,一般可以先打开看一下以后需要装什么，有没有你装过的，装过的就需要删掉。

打开 Xshell ，之前我们已经进入这个环境了，所以括号里面是你当前虚拟环境的名字，后面的 ~ 符号，表示在你主文件下，可以理解为就是桌面，没有再退出的操作了，ll 可以查看你主文件夹下有哪些文件，我们看到了 3DUX-Net-main 的文件夹，然后 cd 进去就可以了，后面的 ~ 就变成了 3DUX-Net-main 文件夹名字。

ll
cd 3DUX-Net-main/

然后我们安装 requirements.txt

pip install -r requirements.txt

这些都下完以后基本上环境就搭好了，后面还缺什么运行需要你安装什么再说。

然后是文件架构，主页也给你写出来了，你照着这个建文件夹就行了。

我大概建的就是这个样子，我的 BTCV2017 是随便取的（因为训练的是自己的数据集），但是最好也是字母加数字的形式，并且字母都要大写哦。

然后就是训练了，因为我是训练自己的数据集，所以自己取了个名字，这里他提供了三个数据集，一个脑部（FeTA 2021）的两个腹部（FLARE 2021 、AMOS 2022）的。我和 FeTA 接近，所以选了这个训练。

首先你需要下载权重。三个数据集有三个权重，注意你用哪个就用哪个权重，别下错了，否则会报错的！下载权重需要一些魔法才可以下载~

然后是训练，在输入命令训练前，你需要改一些东西，比如你自己的地址和数据集名称（然后你用官网的数据集就不需要改，自己的数据集就需要改。）具体是改 main_train.py 和 load_datasets_transforms.py 这两个文件。

官网给的训练代码如下

python main_train.py --root root_folder_path --output output_folder_path \
--dataset flare --network 3DUXNET --mode train --pretrain False \
--batch_size 1 --crop_sample 2 --lr 0.0001 --optim AdamW --max_iter 40000 \ 
--eval_step 500 --gpu 0 --cache_rate 0.2 --num_workers 2

但是不需要这么多，我运行的代码是：

python main_train.py --root /home/用户名/3DUX-Net-main/数据集总文件夹名称 --output /home/用户名/3DUX-Net-main/数据集总文件夹名称/output --dataset 数据集总文件夹名称的英文字母（不用自己的就是官网给的那三个）

你也可以根据自己的需求改一些里面的参数。

你也可以放在服务器后台跑，代码如下：

nohup python main_train.py --root /home/用户名/3DUX-Net-main/数据集总文件夹名称 --output /home/用户名/3DUX-Net-main/数据集总文件夹名称/output --dataset 数据集总文件夹名称的英文字母（不用自己的就是官网给的那三个） &

然后会生成一个 nohup.out 文件，可以查看进度，用记事本打开就可以了。下面是我的：

进行测试，下面是官网给的代码：

python test_seg.py --root path_to_image_folder --output path_to_output \
--dataset flare --network 3DUXNET --trained_weights path_to_trained_weights \--mode test --sw_batch_size 4 --overlap 0.7 --gpu 0 --cache_rate 0.2 \

这是我自己的代码：

python test_seg.py --root /home/用户名/3DUX-Net-main/数据集总文件夹名称 --output /home/用户名/3DUX-Net-main/数据集总文件夹名称/output --dataset btcv --network 3DUXNET --trained_weights /home/用户名/3DUX-Net-main/best_metric_model.pth

因为我用的自己的数据集，所以其实效果并不好，但是跑通了，下一步再进行深入研究！大家一起加油呀！~