sudo apt-get install -y python3-venv
或
pip install virtualenv
选择要将Python编程环境放入哪个目录，或者我们可以使用来创建一个新目录mkdir
mkdir environments
进入文件夹
cd environments
python3 -m venv project_env
project_env是虚拟环境的名字，建议命为nnunet， 方便记忆
或
virtualenv nnunet --python=python3.8指定版本
source nnunet/bin/activate
激活要先切换到nnunet的上一级文件夹(也就是environment文件夹)
要离开环境，只需键入命令deactivate
在虚拟环境中键入pip install nnunet
pip list查看安装了哪些包
这一步对于nnUNet来讲很重要，nnU-Net需要知道您打算将原始数据，预处理数据和训练好的的模型保存在何处
进入文件bashrc文件vim ~/.bashrc
按i键对文件进行修改
将以下行放入文件最后
export nnUNet_raw_data_base="/media/fabian/nnUNet_raw"
export nnUNet_preprocessed="/media/fabian/nnUNet_preprocessed"
export RESULTS_FOLDER="/media/fabian/nnUNet_trained_models"
/media/fabian/改为你自己的地址，下面要有这三个文件夹
Esc + ：+ wq 退出并保存修改之后的文件
成功设置后，您可以通过键入echo $RESULTS_FOLDER etc来验证路径设置正确，并且应该打印出正确的文件夹
安装nnU-Net将向您的终端添加几个新命令。这些命令用于运行整个nnU-Net管道。您可以从系统上的任何位置执行它们。
所有nnU-Net命令的前缀都有 nnUNet_ 这样易于识别。如训练命令nnUNet_train
请注意，这些命令仅执行python脚本。如果在虚拟环境中安装了nnU-Net，则在执行命令时必须激活该环境。
所有nnU-Net命令都有一个-h选项，该选项提供有关如何使用它们的信息
nnU-Net的所有数据集都存放在nnUNet_raw/nnUNet_raw_data文件夹（上面安装nnU-Net时指定了该文件夹的地址）
在nnUNet_raw_data文件夹下建立Task066_LiverTumer文件夹（举例说明，改成你自己的ID和name）
统一命名为(“Task”“ID”_“任务名称”)， “ID”是必须是三位数的整数，066而不是66
在每一个Task文件夹里，又包含以下文件
imagesTr: 训练图像文件夹。
imagesTs（可选）: 测试图像文件夹
labelTr: 训练集标签文件夹。
dataset.json : 包含数据集的元数据的JSON文件， 如任务名字，模态，标签含义，训练集包含的图像地址等
图像的统一命名格式case_identifier_XXXX.nii.gz， 标签的统一命名格式case_identifier.nii.gz
例如mr_001_0000,mr_001_0001 => mr_001
可以写一个python文件将自己原本数据集里的数据导入并重命名为标准格式(必须是从nii压缩为nii.gz，不能是重命名)
可以在文件夹用终端打开，用gzip *可将文件夹内所有不是.gz的文件压缩为.gz
要注意每个图像所有的模态必须相同，不能少
数据统一格式录入文件夹后，生成json文件，这里可以参考我写的（需要留言，比较懒）
验证通过会自动进行下一步预处理，如果已经验证过，可以去掉--之后的内容，直接开始预处理
66那里填上自己的ID
nnUNet_plan_and_preprocess -t 66 --verify_dataset_integrity
nnUNet_train CONFIGURATION TRAINER_CLASS_NAME TASK_NAME_OR_ID FOLD --npz (additional options)
--npz不需要softmax输出时不要加，会占用大量空间，详情见github说明
举例：
nnUNet_train 2d nnUNetTrainerV2 66 4
66 处填写任务ID
nnUNetTrainerV2 是要用到的使用的model trainer
4 是五折交叉验证的第几折（可选0，1，2，3，4）
For FOLD in [0, 1, 2, 3, 4], run:
nnUNet_train 2d nnUNetTrainerV2 TaskXXX_MYTASK FOLD --npz
For FOLD in [0, 1, 2, 3, 4], run:
nnUNet_train 3d_fullres nnUNetTrainerV2 TaskXXX_MYTASK FOLD --npz
For FOLD in [0, 1, 2, 3, 4], run:
nnUNet_train 3d_lowres nnUNetTrainerV2 TaskXXX_MYTASK FOLD --npz
For FOLD in [0, 1, 2, 3, 4], run:
nnUNet_train 3d_cascade_fullres nnUNetTrainerV2CascadeFullRes TaskXXX_MYTASK FOLD --npz
注意：cascade的3D全分辨率UNet需要事先完成低分辨率UNet的五折
经过培训的模型将被写入RESULTS_FOLDER/nnUNet文件夹。每次训练都会获得自动生成的输出文件夹名称：
nnUNet_preprocessed/CONFIGURATION/TaskXXX_MYTASKNAME/TRAINER_CLASS_NAME__PLANS_FILE_NAME/FOLD
修改这里：
在nnunet虚拟环境里找到nnunet文件夹
不起作用，修改这里：
nnUNet_predict -i INPUT_FOLDER -o OUTPUT_FOLDER -t TASK_NAME_OR_ID -m CONFIGURATION
INPUT_FOLDER: 测试数据地址
OUTPUT_FOLDER： 分割数据存放地址
CONFIGURATION： 使用的什么架构，2d or 3d_fullres or 3d_cascade_fullres等
举例：
nnUNet_predict -i /home/.../nnunet_file/nnUNet_raw/nnUNet_raw_data/Task066_LiverTumer/imagesTs -o /home/.../nnunet_file/output -t 66 -m 2d -f 4
pass
参考:
不用写代码神器！教你用4行命令轻松使用nnUNet训练自己的医学图像分割模型
nnUNet最舒服的训练教程（让我的奶奶也会用nnUNet（上））
我正在学习如何使用Nokogiri，根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div
我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看rubyzip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d
类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc
很好奇，就使用rubyonrails自动化单元测试而言，你们正在做什么？您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您？git中的预提交Hook？只是手动调用？我完全理解测试，但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的，并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您？ 最佳答案 不确定您到底想听什么，但是有几个级别的自动代码库控制:在处理某项功能时，您可以使用类似autotest的内容获得关于哪些有效，哪些无效的即时反馈。要确保您的提
假设我做了一个模块如下:m=Module.newdoclassCendend三个问题:除了对m的引用之外，还有什么方法可以访问C和m中的其他内容？我可以在创建匿名模块后为其命名吗(就像我输入“module...”一样)？如何在使用完匿名模块后将其删除，使其定义的常量不再存在？ 最佳答案 三个答案:是的，使用ObjectSpace.此代码使c引用你的类(class)C不引用m:c=nilObjectSpace.each_object{|obj|c=objif(Class===objandobj.name=~/::C$/)}当然这取决于
我正在尝试使用ruby和Savon来使用网络服务。测试服务为http://www.webservicex.net/WS/WSDetails.aspx?WSID=9&CATID=2require'rubygems'require'savon'client=Savon::Client.new"http://www.webservicex.net/stockquote.asmx?WSDL"client.get_quotedo|soap|soap.body={:symbol=>"AAPL"}end返回SOAP异常。检查soap信封，在我看来soap请求没有正确的命名空间。任何人都可以建议我
关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。
我在我的项目目录中完成了compasscreate.和compassinitrails。几个问题:我已将我的.sass文件放在public/stylesheets中。这是放置它们的正确位置吗？当我运行compasswatch时，它不会自动编译这些.sass文件。我必须手动指定文件:compasswatchpublic/stylesheets/myfile.sass等。如何让它自动运行？文件ie.css、print.css和screen.css已放在stylesheets/compiled。如何在编译后不让它们重新出现的情况下删除它们？我自己编译的.sass文件编译成compiled/t
我想将html转换为纯文本。不过，我不想只删除标签，我想智能地保留尽可能多的格式。为插入换行符标签，检测段落并格式化它们等。输入非常简单，通常是格式良好的html(不是整个文档，只是一堆内容，通常没有anchor或图像)。我可以将几个正则表达式放在一起，让我达到80%，但我认为可能有一些现有的解决方案更智能。 最佳答案 首先，不要尝试为此使用正则表达式。很有可能你会想出一个脆弱/脆弱的解决方案，它会随着HTML的变化而崩溃，或者很难管理和维护。您可以使用Nokogiri快速解析HTML并提取文本:require'nokogiri'h
我想为Heroku构建一个Rails3应用程序。他们使用Postgres作为他们的数据库，所以我通过MacPorts安装了postgres9.0。现在我需要一个postgresgem并且共识是出于性能原因你想要pggem。但是我对我得到的错误感到非常困惑当我尝试在rvm下通过geminstall安装pg时。我已经非常明确地指定了所有postgres目录的位置可以找到但仍然无法完成安装:$envARCHFLAGS='-archx86_64'geminstallpg--\--with-pg-config=/opt/local/var/db/postgresql90/defaultdb/po