安装

首先，官方不建议Windows安装，推荐Linux + Docker

我的环境：

● 操作系统平台： Windows 10
● Python： 3.8
● Torch/TorchVision： 1.10.1+cu102/ 0.11.1
● GPU： Nvidia RTX 2080 Ti 11G

安装步骤

1. 安装torch和torchvision（亲测torch2.x不能用）
2. 进nnDetection目录，pip install -e.

可能出现的问题

problem1

TypeError: endswith first arg must be bytes or a tuple of bytes, not str

解决方案：

定位到库文件，添加.encode(‘utf-8’)

problem2

具体是说 pip install sklearn不能这么写，要写pip install scikit-learn
但是pip install -e.命令是自动化执行，定位点很麻烦

解决方案，pip降级

python -m pip install pip==21.2.1

验证环境

python -c "import torch; import nndet._C; import nndet"

没有报错即安装成功。

使用

1. 下载并准备数据
   以胰腺CT数据为例，首先按它的要求下载，并定义好环境变量和目录。
   
   使用十项全能数据的prepare.py预处理数据，最后下载标签文件覆盖。这里的文档写的还是比较清楚。

2. 预处理
   
   根据setup.py可以看到主程序的入口，这样可以进代码调试，而不是直接终端命令运行（出错无法定位）

设置好环境变量

给默认参数，然后直接运行

预处理后的目录是这样的



3. 解压npy文件（Unpack）
同样，运行nndet_unpack C:/DB/det_data/Task007_Pancreas/preprocessed/D3V001_3d/imagesTr 6（替换自己的路径）

这样，npy文件会解压出来。

4. 训练
   预处理完成后，定义默认参数，运行train.py
   
   然后开始训练，默认的网络结构和模块参数可以通过调试模式在config中查看，在终端也会打印，这里不赘述。
   
   训练开始的界面如下：
   
   
   

训练结果和推理流程

待训练结束后更新

结语

由于无人维护加版本不兼容，该代码在不使用Docker的情况下运行起来相当麻烦。如果后期接着这个框架做的话我会尝试分享代码运行的流程，不过大概率会弃坑，在nnUNet上自己写heads,loss和anchor了…555