自学内容网 自学内容网

【nnUNet V2系列】nnUNet V2在Ubuntu下安装调试篇

安装之前网上很多教程,很多是nnUNet V1的安装过程,有的V1和V2混在一起讲解,导致V1的转化指令用到V2中,产生不少误解。这篇是针对V2整理出来的安装过程,有什么不妥之处请指出会及时修改。

1. 创建虚拟环境

conda create -n nnUNetV2 python=3.9
2. 激活虚拟环境

 conda activate nnUNetV2
3. 输入nvidia-smi查询CUDA的版本号(如服务器是CUDA12.1),然后选择不超过此CUDA的torch版本(CUDA11.8)进行安装:

 conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

安装成功如下:

测试:

python

import torch

print(torch.__version__) 输出:版本号

print(print(torch.cuda.is_available()) 输出为:True 

print(torch.backends.cudnn.version()) 输出

4. 最后,参考官方文档安装nnUNet V2程序:

git clone https://github.com/MIC-DKFZ/nnUNet.git
cd nnUNet
pip install -e .
注意:别丢掉小圆点。
【可选项】如果下载不方便,这里提供下载好的压缩包,直接解压包【提取码:x2FK】从压缩包里安装:
cd nnUNet 
pip install -e .
【可选项】安装hiddenlayer,让nnU-net可以生成网络拓扑图,指令如下(用不到可以不装):
pip install --upgrade git+https://github.com/FabianIsensee/hiddenlayer.git

5.修改环境变量,可以在.bashrc(XXX:自己的用户名)中最下面添加:

export nnUNet_raw="/home/xxx/nnUNetV2-master/DATASET/nnUNet_raw"
export nnUNet_preprocessed="/home/xxx/nnUNetV2-master/DATASET/nnUNet_preprocessed"
export nnUNet_results="/home/xxx/nnUNetV2-master/DATASET/nnUNet_trained_models"

然后source .bashrc。这里直接修改的程序不会影响环境或者影响V1版本,修改nnunetv2文件下的paths.py程序:

6.需要下载官网数据,登录Medical Segmentation Decathlon谷歌网盘

 7.由于nnUNet V1跟nnUNet V2版有一些差别,需要进行数据转换:

 nnUNetv2_convert_MSD_dataset -i /home/XXX/nnUNetV2-master/DATASET/nnUNet_raw/Task04_Hippocampus -overwrite_id 004

文件名由Task04_Hippocampus变成Dataset004_Hippocampus,另外就是dataset.json的变化,主要是V2不再需要记录样本名字和标签的记录方式发生了变化:

别V2和V1操作别搞混了,有的博客上写用nnUNet_convert_decathlon_task,这个是V1版本用的;然后,要想给V2用还需要在经过一次转换: 

nnUNetv2_convert_old_nnUNet_dataset Task004_Hippocampus Dataset004_Hippocampus

8. 对样本进行预处理:

模版:nnUNetv2_plan_and_preprocess -d DATASET_ID --verify_dataset_integrity


nnUNetv2_plan_and_preprocess -d 004 --verify_dataset_integrity
注:--verify_dataset_integrity首次需要校验之后就不需要。

预处理的结果:

 发现DATASET的子目录nnUNet_preprocessed生成预处理的文件:

9. 训练nnUNet模型:

模版:nnUNetv2_train DATASET_NAME_OR_ID UNET_CONFIGURATION FOLD --val --npz
​​​​​​​nnUNetv2_train 4 3d_fullres 0

DATASET_NAME_OR_ID:指定应在哪个数据集上进行训练;

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);

FOLD: 指定训练 5 折交叉验证的哪个折叠。

注:nnU-Net 每 50 个周期存储一个模型权重checkpoint。如果需要继续之前的训练,只需在训练命令中添加 --c 即可。

这里为了做测试大概跑了100epochs,默认训练周期为1000次,可以搜一下nnUNetTrainer.py中改为self.num_epochs = 100。 

插播一下棘手的问题:

刚开始训练遇到一个错误,困扰了一天:

1)

RuntimeError: One or more background workers are no longer alive. Exiting. Please check the print statements above for the actual error message

解决:

重新安装一下cuda,在pip install -e .的时候,系统有时会重新安装torch导致它从gpu版变成CPU版,先测试一下torch.is_available是否为True,如果不是建议重新装一下torch:

conda install pytorch torchvision torchaudio pytorch-cuda=xx.x -c pytorch -c nvidia (具体你的cuda版本根据自己系统而定)

确认torch正常之后,可以用如下命令训练:

nnUNet_n_proc_DA=0 CUDA_VISIBLE_DEVICES=0 nnUNetv2_train 4 3d_fullres 0 -device cuda

2)

/tmp/tmpzj43o3qe/main.c:354:3: note: use option -std=c99 or -std=gnu99 to compile your code
/tmp/tmpzj43o3qe/main.c: In function ‘list_to_cuuint32_array’:
/tmp/tmprdfpoq6h/main.c: In function ‘list_to_cuuint64_array’:
/tmp/tmpzj43o3qe/main.c:365:3: error: ‘for’ loop initial declarations are only allowed in C99 mode
   for (Py_ssize_t i = 0; i < len; i++) {
   ^
/tmp/tmprdfpoq6h/main.c:354:3: error: ‘for’ loop initial declarations are only allowed in C99 mode
   for (Py_ssize_t i = 0; i < len; i++) {
   ^
/tmp/tmprdfpoq6h/main.c:354:3: note: use option -std=c99 or -std=gnu99 to compile your code
/tmp/tmprdfpoq6h/main.c: In function ‘list_to_cuuint32_array’:
/tmp/tmprdfpoq6h/main.c:365:3: error: ‘for’ loop initial declarations are only allowed in C99 mode
   for (Py_ssize_t i = 0; i < len; i++) {
   ^
/tmp/tmpdlxf7jri/main.c: In function ‘list_to_cuuint64_array’:
/tmp/tmpdlxf7jri/main.c:354:3: error: ‘for’ loop initial declarations are only allowed in C99 mode
   for (Py_ssize_t i = 0; i < len; i++) {
   ^
/tmp/tmpdlxf7jri/main.c:354:3: note: use option -std=c99 or -std=gnu99 to compile your code
/tmp/tmpdlxf7jri/main.c: In function ‘list_to_cuuint32_array’:
/tmp/tmpdlxf7jri/main.c:365:3: error: ‘for’ loop initial declarations are only allowed in C99 mode
   for (Py_ssize_t i = 0; i < len; i++) {
   ^
/tmp/tmpb2y0zzge/main.c: In function ‘list_to_cuuint64_array’:
/tmp/tmpb2y0zzge/main.c:354:3: error: ‘for’ loop initial declarations are only allowed in C99 mode
   for (Py_ssize_t i = 0; i < len; i++) {
   ^
/tmp/tmpb2y0zzge/main.c:354:3: note: use option -std=c99 or -std=gnu99 to compile your code
/tmp/tmpb2y0zzge/main.c: In function ‘list_to_cuuint32_array’:
/tmp/tmpb2y0zzge/main.c:365:3: error: ‘for’ loop initial declarations are only allowed in C99 mode
   for (Py_ssize_t i = 0; i < len; i++) {
   ^
/tmp/tmpgv8r5a3m/main.c: In function ‘list_to_cuuint64_array’:
/tmp/tmpgv8r5a3m/main.c:354:3: error: ‘for’ loop initial declarations are only allowed in C99 mode
   for (Py_ssize_t i = 0; i < len; i++) {
   ^
/tmp/tmpgv8r5a3m/main.c:354:3: note: use option -std=c99 or -std=gnu99 to compile your code
/tmp/tmpgv8r5a3m/main.c: In function ‘list_to_cuuint32_array’:
/tmp/tmpgv8r5a3m/main.c:365:3: error: ‘for’ loop initial declarations are only allowed in C99 mode
   for (Py_ssize_t i = 0; i < len; i++) {
   ^
/tmp/tmpatkm0ctm/main.c: In function ‘list_to_cuuint64_array’:
/tmp/tmpatkm0ctm/main.c:354:3: error: ‘for’ loop initial declarations are only allowed in C99 mode
   for (Py_ssize_t i = 0; i < len; i++) {
   ^
/tmp/tmpatkm0ctm/main.c:354:3: note: use option -std=c99 or -std=gnu99 to compile your code
/tmp/tmpatkm0ctm/main.c: In function ‘list_to_cuuint32_array’:
/tmp/tmpatkm0ctm/main.c:365:3: error: ‘for’ loop initial declarations are only allowed in C99 mode
   for (Py_ssize_t i = 0; i < len; i++) {

解决方案:

可以先试试这个方案:

pip install triton==2.1.0

如果问题依旧,再修改如下:

主要是由于服务器的编译器默认使用了较旧的C标准,不支持在for循环中声明变量。

从/home/XXX/anaconda3/envs/nnUNetV2/lib/python3.9/site-packages/triton/common/找到build.py修改如下:

10. 成功运行大概如下,随便截了几个图:

 

大功告成,可以开心的训练你的模型了!对你有帮助的,请点个赞!  

更多参考:

1.https://blog.csdn.net/m0_73677889/article/details/131795728

2.nnUNet_v2(Linux)_nnunetv2-CSDN博客

3.在Windows上实现nnU-Net v2的环境配置_nnunetv2-CSDN博客

4.​​​​​​​论文解读- nnU-Net: Self-adapting Framework for U-Net-Based Medical Image Segmentation(附实现教程)_nnunet self adaptinng-CSDN博客


原文地址:https://blog.csdn.net/qqbb1987/article/details/140553160

免责声明:本站文章内容转载自网络资源,如本站内容侵犯了原著者的合法权益,可联系本站删除。更多内容请关注自学内容网(zxcms.com)!