网上关于nnUNet运行的教程大部分是针对nnUNet v1的。但由于nnUNet v2已经推出，而且相对于v1有了很大的更新。所以个人只能啃nnUNet的英文文档+参考在Windows上实现nnU-Net v2的环境配置_netv2_无聊的程序猿的博客-CSDN博客 实现了代码的复现。
1.System requirements及笔者的基础环境：
系统要求：Linux (Ubuntu 18.04, 20.04, 22.04; centOS, RHEL), Windows and MacOS
硬件要求：GPU, CPU and Apple M1/M2 (苹果设备不支持3D 卷积, 需要使用CPU).
训练硬件要求:至少有10G显存的GPU；至少6核的CPU
环境要求：python 3.9及以上
笔者的基础环境：
系统：Ubuntu 20.04 python:3.10.9 pytorch:2.0.0 cuda:11.7
2.数据准备：
2.1 下载代码：命令行运行git clone https://github.com/MIC-DKFZ/nnUNet.git
2.2 conda create nnUNet 并 activate nnUNet
2.3 进到代码所在的目录下，安装环境 cd nnUNet
pip install -e .
2.4 新建几个文件夹，新手可以参考我创建的文件夹目录结构
2.5 添加数据目录到系统环境变量中，sudo gedit /home/用户名/.bashrc，在结尾根据自己数据的目录，添加三行内容，例如我的数据文件所在目录如3.4，我添加的内容如下：
export nnUNet_raw="/home/lang/PycharmProjects/nnUNet/nnUNetFrame/DATASET/nnUNet_raw"
export nnUNet_preprocessed="/home/lang/PycharmProjects/nnUNet/nnUNetFrame/DATASET/nnUNet_preprocessed"
export nnUNet_results="/home/lang/PycharmProjects/nnUNet/nnUNetFrame/DATASET/nnUNet_results"
2.6 到Medical Segmentation Decathlon中下载数据集，可以在任何一个路径path下，不要放到3.5的目录中。
2.7 数据转化,在命令行输如下命令，把3.6路径下的数据集进行转化
nnUNetv2_convert_MSD_dataset -i 3.6数据集的path -overwrite_id 201
说明：201是数据集的ID，如果是自定义数据集，10以上都可以。
转换后，会看到nnUnet_raw目录下产生了新的文件。
2.8 数据集传入到nnUNet_preprocessed目录下：
nnUNetv2_plan_and_preprocess -d 201 --verify_dataset_integrity
注意：这里-d参数值 需要与3.7的ID一致
3.开始训练
到/nnUNet/nnunetv2/training/nnUNetTrainer/nnUNetTrainer.py中，可修改self.num_epochs，减少训练epoch
参考在《Windows上实现nnU-Net v2的环境配置_netv2_无聊的程序猿的博客-CSDN博客》
nnUNetv2_train DATASET_NAME_OR_ID UNET_CONFIGURATION FOLD [additional options, see -h]例如：nnUNetv2_train 201 3d_fullres 5
说明：201是数据集ID 3d_fullres是数据格式 5代表几折交叉验证
几个坑：
1.如果pycharm是从软件商店安装的，它在运行时使用的环境变量文件不是系统环境变量/home/username/bashrc;因此应该直接从pycharm官网下载pycharm安装包，解压后通过命令行运行bin目录下的./pycharm.sh文件启动。
2.如果仅仅通过conda创建了一个空虚拟环境，在pycharm里是无法切换到这个空环境的。必须将必要的package install到虚拟环境中才可以。
3.如果使用conda时报异常，排除其他原因无果后，可以查看是否开启了VPN。将VPN关闭，conda功能恢复正常。
