***************************************************码字不易，收藏之余，别忘了给我点个赞吧！***************************************************---------Start首先参考上一篇的训练过程，这是测试过程，需要用到训练过程的权重。1.TransUnet训练完毕之后，会生成权重文件（默认保存位置如下），snapshot_path为保存权重的路径。权重文件2.修改test.py文件调整数据集路径。训练和测试时的图像设置相同大小，并设置主干模型的名称同训练时一致。配置数据集相关信息。手动添加权重

***************************************************码字不易，收藏之余，别忘了给我点个赞吧！***************************************************---------Start首先参考上一篇的训练过程，这是测试过程，需要用到训练过程的权重。1.TransUnet训练完毕之后，会生成权重文件（默认保存位置如下），snapshot_path为保存权重的路径。权重文件2.修改test.py文件调整数据集路径。训练和测试时的图像设置相同大小，并设置主干模型的名称同训练时一致。配置数据集相关信息。手动添加权重

1.摘要医学图像分割是开发医疗保健系统，特别是疾病诊断和治疗计划的必要前提。在各种医学图像分割任务中，U形架构（也称为U-Net）已成为事实上的标准，并取得了巨大的成功。然而，由于卷积运算的内在局部性，U-Net在显式建模长程依赖性方面通常表现出局限性。Transformer是为序列间预测而设计的，它已经成为具有天生的全局自我关注机制的替代架构，但由于低级细节不足，定位能力有限。在本文中，我们提出TransUNet作为医学图像分割的有力替代方案，它既有Transformers的优点，也有U-Net的优点。一方面，Transformer将来自卷积神经网络（CNN）特征图的标记化图像块编码为用于提

TransUnet:TransformersMakeStrongEncodersforMedicalImageSegmentation这篇文章中你可以找到一下内容：-Attention是怎么样在CNN中火起来的？-NonLocal-Transformer结构带来了什么？-MultiHeadSelfAttention-Transformer结构为何在CV中如此流行？-VisionTransformer和SETR-TransUnet又是如何魔改Unet和Transformer？-ResNet50+VIT作为backbone\Encoder-TransUnet的pytorch代码实现-作者吐槽以及偷

***************************************************码字不易，收藏之余，别忘了给我点个赞吧！***************************************************---------Start官方代码：https://github.com/Beckschen/TransUNet目的：训练5个类别的汽车部件分割任务（测试在另一篇博客中）CSDN数据集免费下载实现效果：1.github下载代码，并解压。项目里的文件可能跟你下载的不一样，不急后面会讲到！2.配置数据集（尽最大努力还原官方数据集的格式）。通常自己手上的数据