Swin UNETR 训练记录
记录一下跑通的第二个模型吧 ~~~
这次的模型是 Swin UNETR（Swin UNEt TRansformers），是由 NIVIDIA 研究人员在计算机视觉和模式识别会议（ CVPR ）上发表的。Swin UNETR 采用了 MONAI ，一种开源的 PyTorch 框架，由学术界和行业领袖构建的免费、社区支持的计划，旨在将医疗成像深度学习的最佳实践标准化。这些可以看论文自己去了解哈~~~
下面进入正题——训练过程！
首先还是先去把论文和代码下载下来，这里有个坑啊！我从论文里面的代码链接进去，没有找到下载选项，最后还是我学姐说她好像看到过，然后帮我找到了下载链接，在这里哦~
是这样子的，你需要把这些都下载下来，然后单独把 SwinUNETR 拿出来就可以啦！~
记得下载需要的权重和模型哦，可能会用到魔法哦~~~
代码下载好通过 Xftp 传到服务器里。然后在 Xshell 里面建好对应的环境~
Tips：因为 PyTorch 下载很慢，我学姐就教我可以从之前下载好的环境里复制过来！！！
conda create -n 新环境名 --clone 旧环境名
这里我们的环境名就叫 swinunetr ，这样就不会乱啦~~~
一切都准备就绪之后，我们就去看官网啦，Swin UNETR 有 BTCV （CT）和 BTS2021 （MRI）两种，这里我用的是 BTCV ，因为我自己的数据集是 CT 的。
因为官网里面没有告诉我们 dataset 的架构，所以我用的还是之前 3D UX-net 的架构。注意：和 3D UX-net 不同的是，他需要 .json 文件，所以我又把我学姐给的生成 .json 的 python 代码给改了一下，我训练的时候一直报错，后来发现是文件名写错了~~~ 在 .json 文件里也需要验证集的信息哦！！！否则他会报 ValueError: Data list validation not specified in "dataset/dataset0/dataset_0.json 的错哦！！！
这些都弄好以后，可以打开你的 Xshell ，进入你刚刚创建的虚拟环境，安装 requirements 啦~~~
记得 cd 到 BTCV 文件夹里面哦~
然后输入命令安装就可以啦~~~
pip install -r requirements.txt
装好后记得把 main.py 里面的路径改掉，换成你自己数据集的地址哦，因为我就放在了他的 dataset 里面，所以我用的是相对地址。
改完以后就可以去 Xshell 里面运行试试看啦~
python main.py
看到他成功跑的那一瞬间是激动的！！！~~~
运行的时候有什么报错都可以根据他的提示解决的~~~所以大家不要怕哦！！！
标签：学姐,Swin,训练,dataset,json,UNETR,下载 From： https://www.cnblogs.com/Ray-Z/p/17475279.html