目录
1 写在前面
2 代码下载
2.1 Windows下：
2.2 Linux下：
3 虚拟环境
3.1 代码放置
3.2 创建虚拟环境
创建虚拟环境：
激活环境：
添加镜像源：
查看cuda，输入：
安装torch：
配置pycharm的虚拟环境：
4 安装nnUnet的相关配置
4.1 requirements
4.2 安装隐藏层
5 数据集准备
5.1 创建文件
5.2 数据集下载
5.3 路径添加
6 数据转换和识别
7 数据预处理
8 开始训练
8.1 方法一
8.2 方法二：
9 推理
参考的博文
1 写在前面
nnUnet的作者是Linux平台下实现的，Windows下实现需要一些别的步骤，翻阅了很多博文，踩了很多坑，终于用官方数据跑通了一遍。
2 代码下载
2.1 Windows下：
GitHub - marcus-wirtz-snkeos/nnUNet-Windows
mirrors / MRCWirtz / nnUNet-1 · GitCode
这两个都是一样的，感谢这些大佬把代码变成了Windows可用的！！！
2.2 Linux下：
GitHub - MIC-DKFZ/nnUNet
这个代码就是nnUnet作者的代码
3 虚拟环境
3.1 代码放置
将下载好的代码解压到放在某个盘，我放在了D盘的A_A文件夹里。
用pycharm打开项目nn-Unet-Windows-master，我把项目改了名字为nnUnet-win，之后项目的操作都是这个名字。也就是说，我的这个项目的路径就是D:\A_A\nnUNet-win。
项目里面应该包含这些：
接下来所有步骤都是在pycharm的终端进行的。
3.2 创建虚拟环境
打开终端Terminal
创建虚拟环境：
conda create -n nnUnet_win python=3.7
激活环境：
conda activate nnUnet_win添加镜像源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
查看cuda，输入：
nvcc -V显示为cuda版本为10.2
安装torch：
可以查看cuda与torch版本对应：Previous PyTorch Versions | PyTorch
需要安装cuda=10.2对应的torch版本，我安装的是1.7的，终端输入：
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.2 -c pytorch
配置pycharm的虚拟环境：
依次点开file-->settings --> Project:nnUnet-Windows-master --> Python Interpreter
点击+号，把你创建的虚拟环境设置在这里。选择Conda Environment--> Existing environment，找到自己的Anaconda所在文件夹，选择envs-->nnUnet-win-->python.exe，然后点击ok。
4 安装nnUnet的相关配置
4.1 requirements
pip install -e . 
若安不好，就加一个源，如清华源：
pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple/这一步是安装setup.py文件里的requirements。
4.2 安装隐藏层
非必须，安不上也没关系，隐藏层使nnU-net能够给出其生成的网络拓扑图
pip install --upgrade git+https://github.com/nanohanno/hiddenlayer.git@bugfix/get_trace_graph#egg=hiddenlayer显示这样就装好了：
5 数据集准备
5.1 创建文件
第一步：在nnUnet-win里新建文件夹DATASET，会用它来存放数据
第二步：在DATASET文件夹中创建三个文件夹，它们分别是nnUNet_raw，nnUNet_preprocessed，nnUNet_trained_models
第三步：在nnUNet_raw文件夹中创建nnUNet_cropped_data文件夹（待会用来存放原始数据）和nnUNet_raw_data文件夹（待会用来存放crop以后的数据）。
第四步：在nnUNet_raw_data文件夹中创建一个名为Task01_BrainTumour的文件夹
解释：这个Task01_BrainTumour是nnUNet项目参加的一个医学图像十项全能竞赛的任务名，本文也是实践的这个任务，类似的还有Task02_Heart（分割心脏的）。
这里的Task001_BrainTumour是我后面运行程序生成的，这里不用管他。
5.2 数据集下载
官网下载task01数据集
进入网站：http://medicaldecathlon.com/.（<–网上学科议建<–）
下载对应的数据集Task01_BrainTumour
下载好后，解压后是一个文件夹Task01_BrainTumour：
打开它，是这样的：
将所有东西复制到D:\A_A\nnUNet-win\DATASET\nnUnet_raw\nnUnet_raw_data\Task01_BrainTumour里面。
其实，这里重要的东西就是四个文件夹：imagesTr、imageTs、labelsTr、dataset.json。
- json文件是对三个文件夹内容的字典呈现（关乎你的训练）
- imagesTr是你的训练数据集，打开后很多的有序的nii.gz的训练文件
- labelsTr里对应imagesTr的标签文件，同样为nii.gz
- imageTs训练阶段先不管，其实这个文件夹出现在任何位置都可以。（解释：nnUNet使用的是5折交叉验证，并没有验证集）。
5.3 路径添加
文件路径添加
Windows下，还需要为这些添加路径。
第一步：进入nnunet-->paths.py，到29行，把29-31行注释掉，根据自己的路径，把相关路径修改并添加。像图片里的那样，注释红框，添加蓝框
可以直接复制：
base = r'D:\A_A\nnUNet-win\DATASET\nnUnet_raw'
preprocessing_output_dir = r'D:\A_A\nnUNet-win\DATASET\nnUnet_preprocessed'
network_training_output_dir_base = r'D:\A_A\nnUNet-win\DATASET\nnUnet_trained_models'
第二步：在系统变量添加这三个路径：
添加好后是这样
具体过程：右键“此电脑”--> 属性-->高级系统设置 -->环境变量 -->系统变量 --> 新建
然后把左边的添加为变量名， 后边的添加为变量值。添加好后，点击确定，再继续添加另两个的路径。
6 数据转换和识别
nnUNet要求将原始数据转换成特定的格式，以便了解如何读取和解释数据。
终端输入：
nnUNet_convert_decathlon_task -i /A_A/nnUNet-win/DATASET/nnUNet_raw/nnUNet_raw_data/Task01_BrainTumour这一步完成后，会在D:\A_A\nnUNet-win\DATASET\nnUnet_raw\nnUnet_raw_data的文件夹里发现Task001_BrainTumour文件夹，打开后，里面就是这四个文件夹。
其格式与Task01_BrainTumour一模一样。
在pycharm里可以看到，它是每四个：0000、0001、0002、0003模态组成一个图像。
7 数据预处理
输入指令的格式应该如下：
nnUNet_plan_and_preprocess -t XXX --verify_dataset_integrity
因为我们的Task_id是1，所以这里XXX的就是1。因此，我这里输入的是：
nnUNet_plan_and_preprocess -t 1 --verify_dataset_integrity这个过程会消耗很多的时间，速度慢的原因在于对要进行插值等各种操作。
提示没有某个模块，pip install即可。
再重新运行预处理指令，需要耗费一点时间。可以看到是这样的：
最后像这样就运行好了
这一步会进行数据格式的转换，裁剪crop，重采样resample以及标准化normalization。
运行结束后，在D:\A_A\nnUNet-win\DATASET\nnUnet_raw\nnUnet_cropped_data里有Task001_BrainTumour，打开后有一些文件
这里注意：预处理的数据文件夹仅包含训练案例，测试图像没有经过预处理。
8 开始训练
如果你的显卡内存没有8g以上，就不要参考方法一，直接进入方法二下载预训练好的模型。
8.1 方法一
进入nnunet/training/network_training/nnUNetTrainerV2.py
修改第48行的max_epoch，1000运行时间长，可以改小一些，例如100，500等。
然后，在终端运行：
nnUNet_train 3d_fullres nnUNetTrainerV2 xx all
这里xx为数据编号，比如1。 all代表5-fold验证，可填写0-4，0代表五折交叉验证中的第0折，3d_fullres代表选用对全分辨率图像进行操作的3D U-Net，nnUNetTrainerV2是我们选用的训练器。
我这里运行的是这个命令：
nnUNet_train 3d_fullres nnUNetTrainerV2 1 4也可以在末尾加“–npz”：
nnUNet_train 3d_fullres nnUNetTrainerV2 1 0 --npz
“–npz”使模型在最终验证期间保存softmax输出。它仅适用于计划在之后运行“nnUNet_find_best_configuration”的训练。
这就跑起来了：
一会儿就报错了，因为我的内存不够。
如果你成功的运行出来，其结果应该保存在D:\A_A\nnUNet-win\DATASET\nnUnet_trained_models\nnUNet里面。
8.2 方法二：
进入这个网址：pretrained models for 3D semantic image segmentation with nnU-Net | Zenodo
下载预训练模型，建议《<--网上学科<--》
下载好后，解压打开是这样的：
把它们全部复制到D:\A_A\nnUNet-win\DATASET\nnUnet_trained_models\nnUNet里面去。
9 推理
进入D:\A_A\nnUNet-win\DATASET\nnUnet_raw\nnUnet_raw_data\Task001_BrainTumour
创建文件夹inferTs和labelTs。
labelsTs中存放测试集的标签，inferTs是待推理测试集的推理结果。
由于原本的imagesTs中有1000多个nii文件，会花费巨额的时间，建议你先找个地方把其他文件拷贝出来，只留4个nii.gz文件进行推理，例如留下485的所有模态
在终端中执行下面命令行：
nnUNet_predict -i /A_A/nnUNet-win/DATASET/nnUNet_raw/nnUNet_raw_data/Task001_BrainTumour/imagesTs/ -o /A_A/nnUNet-win/DATASET/nnUNet_raw/nnUNet_raw_data/Task001_BrainTumour/inferTs -t 1 -m 3d_fullres -f 4nnUNet_predict：执行预测的命令；
-i: 输入（你的待推理测试集）；
-o: 输出（测试集的推理结果）；
-t: 你的任务对应的数字ID；
-m: 对应的训练时使用的网络架构；
-f: 数字4代表使用五折交叉验证训练出的模型；
推理完全部需要消耗相当长的时间，建议使用用4个测试文件进行推理。一开始我只留了一个推理文件，结果报错，说task001需要至少4个。
若嫌弃太长，可以cd到路径下，再运行：
cd DATASET/nnUNet_raw/nnUNet_raw_data/Task001_BrainTumour/
nnUNet_predict -i imagesTs/ -o inferTs -t 1 -m 3d_fullres -f all如果你想调试的话，在inference文件夹中找到predict_simple.py文件，然后输入参数就可以调试了。
最后推理结果在inferTs里，解压后，用itk打开可以查看结果。
但是只推理一个文件，结果不是很明显，可以多推理几个看看效果。把一个编号的4个模态：0000、0001、0002、0003都复制到imagesTs里。我后面又运行了9个文件（485-493），速度就比较慢了。大概用了几分钟就出结果了。
之后对全部数据进行推理，几小时出结果。
打开了493的推理结果：
参考的博文
nnUnet 在windows 10 上使用_nnunet windows_skyous的博客-CSDN博客
（四：2020.07.28）nnUNet最舒服的训练教程（让我的奶奶也会用nnUNet（上））（21.04.20更新）_nnuet_花卷汤圆的博客-CSDN博客
（五：2020.07.31）nnUNet最简单的推理教程（让我的奶奶也会用nnUNet（下））_nnunet推理_花卷汤圆的博客-CSDN博客文章来源：https://www.toymoban.com/news/detail-702087.html
在windows下安装nnUnet，并制作数据集以及运行（让隔壁奶奶也能学会的教程）_花生米生花@的博客-CSDN博客nnUNet保姆级使用教程！从环境配置到训练与推理（新手必看）_nnunet推理_江江ahh的博客-CSDN博客在ubuntu/windows中安装nnUNet并训练自己的数据_nnunet安装_为了待会去码头整点薯条的博客-CSDN博客文章来源地址https://www.toymoban.com/news/detail-702087.html
到了这里，关于在Windows下用Pycharm实现nnUnet网络的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
