VNet for PyTorch
概述
简述
V-Net是一个早期的全卷积的三维图像分割网络，基本网络架构与2D图像分割网络U-Net相似，为了处理3D医学图像，采用了3D卷积模块和3D转置卷积模块。
-
参考实现：
url=https://github.com/mattmacy/vnet.pytorch commit_id=a00c8ea16bcaea2bddf73b2bf506796f70077687 -
适配昇腾 AI 处理器的实现：
url=https://gitcode.com/ascend/ModelZoo-PyTorch.git code_path=PyTorch/contrib/cv/semantic_segmentation
准备训练环境
准备环境
-
当前模型支持的 PyTorch 版本和已知三方库依赖如下表所示。
表 1 版本支持表
Torch_Version 三方库依赖版本 PyTorch 1.5 torchvision==0.2.2.post3 PyTorch 1.8 torchvision==0.9.1 -
环境准备指导。
请参考《Pytorch框架训练环境准备》。
-
安装依赖。
在模型源码包根目录下执行命令，安装模型对应PyTorch版本需要的依赖。
pip install -r 1.5_requirements.txt # PyTorch1.5版本 pip install -r 1.8_requirements.txt # PyTorch1.8版本说明： 只需执行一条对应的PyTorch版本依赖安装命令。
准备数据集
-
获取数据集。
请用户自行获取原始数据集，可选用开源数据集LUNA16，将数据集上传到服务器任意路径下并解压。
以LUNA16数据集为例，数据集目录结构参考如下所示。
├── LUNA16 ├──lung_ct_image ├──1.3.6.1.4.1.14519.5.2.1.6279.6001.997611074084993415992563148335.mhd ├──... ├──seg-lungs-LUNA16 ├──1.3.6.1.4.1.14519.5.2.1.6279.6001.997611074084993415992563148335.mhd ├──... ├──normalized_lung_ct ├──1.3.6.1.4.1.14519.5.2.1.6279.6001.997611074084993415992563148335.mhd ├──... ├──normalized_lung_mask ├──1.3.6.1.4.1.14519.5.2.1.6279.6001.997611074084993415992563148335.mhd ├──...说明： 该数据集的训练过程脚本只作为一种参考示例。
-
数据预处理。
cd /${模型文件夹名称} python3 normalize_dataset.py data_path vox_spacing Z_MAX Y_MAX X_MAX # data_path参数填写实际数据集路径 示例：python normalize_dataset.py /data/xxx/LUNA16 2.5 128 160 160
开始训练
训练模型
-
进入解压后的源码包根目录。
cd /${模型文件夹名称} -
运行训练脚本。
该模型支持单机单卡训练和单机8卡训练。
-
单机单卡训练
启动单卡训练。
bash ./test/train_full_1p.sh --data_path=/data/xxx/ # 单卡精度 bash ./test/train_performance_1p.sh --data_path=/data/xxx/ # 单卡性能 -
单机8卡训练
启动8卡训练。
bash ./test/train_full_8p.sh --data_path=/data/xxx/ # 8卡精度 bash ./test/train_performance_8p.sh --data_path=/data/xxx/ # 8卡性能
--data_path参数填写数据集路径，需写到数据集的一级目录。
模型训练脚本参数说明如下。
公共参数： --data //数据集路径 --seed //随机种子 --workers //加载数据进程数 --lr //初始学习率 --lr_decay //学习率衰减 --weight_decay //权重衰减 --device //设备，默认：'npu' --nEpochs //重复训练次数 --batchSz //训练批次大小 --amp //是否使用混合精度 --loss-scale //混合精度loss scale大小 --opt-level //混合精度类型 --device_id //设置训练卡ID训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息。
-
训练结果展示
表 2 训练结果展示表
| NAME | Error rate | FPS | Epochs | AMP_Type | Torch_Version |
|---|---|---|---|---|---|
| 1p-NPU | - | 38.79 | 1 | O2 | 1.8 |
| 8p-NPU | 0.428% | 218.50 | 200 | O2 | 1.8 |
版本说明
变更
2023.03.15：更新readme，重新发布。
2020.07.08：首次发布。
FAQ
无。