https://github.com/MIC-DKFZ/nnUNetnnUnet要在Windows上跑起来有点麻烦，主要是项目路径的问题，我目前测试了2分类遥感数据（其实只要是二分类都行，无所谓什么数据），我这里说难是因为我没有安装，没有用命令行跑，我直接在脚本里改了参数运行，下面我对关键部分做下说明1.数据准备数据就用阿里天池大数据竞赛里那个建筑比赛数据，这个比赛是长期开放的，有兴趣的可以把自己的结果拿去给系统评价一下，数据链接如下：链接：https://pan.baidu.com/s/1A2owAk1gUlycM7_kDPjIng 提取码：x5wt --来自百度网盘超级会员V6的分享去源
目录1写在前面2代码下载2.1Windows下：2.2Linux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 requirements4.2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
Title：MedNeXt:Transformer-drivenScalingofConvNetsforMedicalImageSegmentationMedNeXt：用于医学图像分割的ConvNets的变压器驱动缩放原论文链接：https://arxiv.org/abs/2303.09975代码链接：GitHub-MIC-DKFZ/MedNeXt:MedNeXtisafullyConvNeXtarchitecturefor3Dmedicalimagesegmentation(MICCAI2023).导读：MedNeXt是nnUNet原创团队于2023年3月17日上传至arxiv上的新作品，该
相较于常规的自然图像，以UNet为代表的编解码网络在医学图像分割中应用更为广泛。常见的各类医学成像方式，包括计算机断层扫描（ComputedTomography,CT）、核磁共振成像（MagneticResonanceImaging,MRI）、超声成像（UltrasoundImaging）、X光成像（X-rayImaging）和光学相干断层扫描（OpticalCoherenceTomography,OCT）等。对于临床而言，影像学的检查是一项非常重要的诊断方式。在各类模态的影像检查中，精准地对各种器官和病灶进行分割是影像分析的关键步骤，目前深度学习图像分割在各类影像检测和分割中大放异彩。比如基
安装：pipinstallnnunetv2##或者是把他下载下来，自行安装gitclonehttps://github.com/MIC-DKFZ/nnUNet.gitcdnnUNetpipinstall-e.GitHub代码：GitHub-MIC-DKFZ/nnUNet十项医学分割数据集：MedicalSegmentationDecathlon注意：安装时一定不能使用魔法，否则会被伏地魔（False）配置：这里有几个铁汁，可以一起参考，以他们的为主，我的为辅，一起食用（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）_nnue
nnUNet论文技术要点归纳nnUNet摘要介绍方法网络结构修改点网络拓扑动态适应预处理训练数据增广patch采样：推理后处理nnUNet摘要提出了一种基于2D和3DUNet的自适应框架nnUNet，无需手动调参，平均DICE最高。介绍总共10个数据集，7个用于训练阶段，3个用于评估阶段，且不能手动调参。作者提出的nnUNet，基本没改变UNet的结构，主要工作中心在于：预处理：resampling和normalization训练：loss，optimizer设置、数据增广推理：patch-based策略、test-time-augmentations集成和模型集成等后处理：增强单连通域等方法
1.前言nnUnet原代码是在Linux下运行，如果现在windows下安装的话，会报各种错误，得改很多的地方，所以可以直接下载nnUnet_windows文件，这是我已经在windows上成功编译的版本，只要安装成功就可以直接运行。该链接中还包含apex安装包以及制作自己数据格式的代码。nnUnet的版本是2021/7月更新的。2.安装虚拟环境与Pytorch最好要安装虚拟环境，否则要是把python环境安装坏了，那就麻烦了。1.在命令行输入一下代码，其中nnUnet是虚拟环境名称，选择的python3.7版本condacreate-nnnUnetpython=3.72.激活虚拟环境输入ac
1.前言nnUnet原代码是在Linux下运行，如果现在windows下安装的话，会报各种错误，得改很多的地方，所以可以直接下载nnUnet_windows文件，这是我已经在windows上成功编译的版本，只要安装成功就可以直接运行。该链接中还包含apex安装包以及制作自己数据格式的代码。nnUnet的版本是2021/7月更新的。2.安装虚拟环境与Pytorch最好要安装虚拟环境，否则要是把python环境安装坏了，那就麻烦了。1.在命令行输入一下代码，其中nnUnet是虚拟环境名称，选择的python3.7版本condacreate-nnnUnetpython=3.72.激活虚拟环境输入ac
文章目录写在前面nnUNet是什么？一、配置虚拟环境二、安装nnUNet框架1.安装nnUNet这一步我遇到的两个问题：2.安装隐藏层hiddenlayer（可选）三、数据集准备nnUNet对于你要训练的数据是有严格要求的，这第一点就体现在我们保存数据的路径上，请初学者务必按照我下面的样式来创建相应的文件夹并存入数据！！！四、设置nnUNet读取文件的路径五、数据集转换1.数据集转换是什么，为什么要进行数据集转换？2.运行数据集转换的命令3.关于dataset.json文件六、数据预处理七、模型训练1.写在训练前：更改epoch2.关于训练的运行命令对于我们的Task01来说，应该运行的命令如
文章目录写在前面nnUNet是什么？一、配置虚拟环境二、安装nnUNet框架1.安装nnUNet这一步我遇到的两个问题：2.安装隐藏层hiddenlayer（可选）三、数据集准备nnUNet对于你要训练的数据是有严格要求的，这第一点就体现在我们保存数据的路径上，请初学者务必按照我下面的样式来创建相应的文件夹并存入数据！！！四、设置nnUNet读取文件的路径五、数据集转换1.数据集转换是什么，为什么要进行数据集转换？2.运行数据集转换的命令3.关于dataset.json文件六、数据预处理七、模型训练1.写在训练前：更改epoch2.关于训练的运行命令对于我们的Task01来说，应该运行的命令如
