本文主要是介绍（二十五：2020.12.15）CVPR 2020 学习（三）《U^2 Net》训练实操（21.1.4更新），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
《U^2 Net: Going Deeper with Nested U-Structure for Salient Object Detection》《借助嵌套U型结构深入研究显着物体》
- 讲在前面
- 一、如何整理你的医学图像数据集
- 1.选择数据集
- 2.转换你的data
- 3.转换你的label
- ４.将数据放置在对应的路径下
- 二、使用你整理好的数据进行训练
- 1.`ValueError: At least one stride in the given numpy array is negative, and tensors with negative strides are not currently supported. (You can probably work around this by making a copy of your array with array.copy().)`
- 2.`IndexError: invalid index of a 0-dim tensor. Use tensor.item() in Python or tensor.item() in C++ to convert a 0-dim tensor to a number`
- 3.3090的环境问题
- 三、执行`u2net_train.py`，跑起来！！！
- 四、测试训练完的模型的结果
- 1.先看下我的过拟合版本的结果
- 2.再看下我的其他版本的结果
- 3.看下nnUNet的模型推理结果
- 4.实验结论
- 1.nnUNet
- 2.u2net
讲在前面
- 一.因为推理和测试部分很简单，也有对应的模型下载，这里不做多的赘述；
- 二.由于作者用的torch是0.4.0，所以在实际操作的过程中，遇到一些版本兼容的问题，在这里我做一下记录，希望看了该博客大家能够顺利的使用U2-net。
- 三.我用了自己的肾脏数据集，因为原始数据是nii，所以我将数据转换成了2d的图片进行训练，这里自己的代码公开一下，方便各位医学图像处理的读者进行更方便的处理。
- 四.我的6000张图片已经开始3090的训练，让我们等待一个过拟合版本，看看是否真的配的上它如此高的热度。
- 五.之前的训练因为把训练集搞错了自己有点晕也一直没有发现，以为这个模型用不起，最近空下来发现这个问题，今天更新下我的训练结果。
一、如何整理你的医学图像数据集
1.选择数据集
我这里选择的是肾脏的数据集，网上公开的此类数据集有很多，但是很多都是nii文件，所以你需要将这些文件转成2d的图片格式。
我的数据集就是之前nnUNet的训练数据集
2.转换你的data
也就是之前nnUNet里面的imagesTr文件夹（未加_0000之前的那个文件夹），也就是这种：
我在这里用下面代码进行转换，这里转换为jpg文件：
nii_files = r'/media/qiao/WindowsData/u2net_test/nii_data/imagesTr_'
image_name = r'/media/qiao/WindowsData/u2net_test/nii_data/data'
filelist = os.listdir(nii_files<这篇关于（二十五：2020.12.15）CVPR 2020 学习（三）《U^2 Net》训练实操（21.1.4更新）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
