安装：
pip install nnunetv2
## 或者是把他下载下来，自行安装
git clone https://github.com/MIC-DKFZ/nnUNet.git
cd nnUNet
pip install -e .GitHub代码：
十项医学分割数据集：
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）_nnuet_花卷汤圆的博客-CSDN博客
nnUNet 使用不完全指南（上） - No Visitor Website（这里有自定义生成json的代码）
我引用一下吧：
from collections import OrderedDict
from batchgenerators.utilities.file_and_folder_operations import save_json
def main():
foldername = "Task128_LungLobe"
numTraining = 80
numTest = 6
numClass = 6
json_dict = OrderedDict()
json_dict['name'] = foldername
json_dict['description'] = foldername
json_dict['tensorImageSize'] = "4D"
json_dict['reference'] = "see challenge website"
json_dict['licence'] = "see challenge website"
json_dict['release'] = "0.0"
json_dict['modality'] = {
"0": "CT",
}
json_dict['labels'] = {i: str(i) for i in range(numClass)}
json_dict['numTraining'] = numTraining
json_dict['numTest'] = numTest
json_dict['training'] = [{'image': "./imagesTr/LungLobe_{:0>3d}.nii.gz".format(i),
"label": "./labelsTr/LungLobe_{:0>3d}.nii.gz".format(i)}
for i in range(numTraining)]
json_dict['test'] = ["./imagesTs/LungLobe_{:0>3d}.nii.gz".format(i)
for i in range(numTraining, numTraining+numTest)]
save_json(json_dict, "./dataset.json")
if __name__ == "__main__":
main()
数据文件夹：
其实就是需要自己自行手动建立几个文件夹，
进入红色文件夹：
在红色文件夹里，丢如数据文件夹Task14_Vessel，这是固定的命名形式Task数字_名字
数字的话，建议是10以上，但是不能三位数，就说如果你是13的话，不要013，如果你里面的数据格式是正确的话，就是训练数据后面是_0000,nii.gz后缀的话，可以忽略这个规则，可直接跳到 --然后
因为的我的数据是这样的
肯定是不符合格式的，所以得改，可以利用nnunet自带的代码进行更改：
nnUNet_convert_decathlon_task -i F:/data/data_1100/nnUNet_raw_data_base/nnUNet_raw/nnUNet_raw_dat
a/Task14_Vessel这时，他会再次生成一个文件夹，这个文件夹叫Task014_Vessel，原来的叫Task14_Vessel，所以你应该懂了吧！！！
其中这个过程中你是回遇到错误的，如果你的是Windows环境的话，解决方案，如下：
还有个最重的是，image和label的名字得一样
然后
运行指令，数字是自己任务的代号：
nnUNet_plan_and_preprocess -t 14 --verify_dataset_integrity
## 或者是
nnUNet_plan_and_preprocess -t 14 然后又遇到报错了，一般是到了这步才会报错的：
File "D:\Python\anaconda3\envs\pytorch\lib\site-packages\nnunet\preprocessing\sanity_checks.py", line 129, in verify_dataset_integrity
assert isfile(expected_label_file), "could not find label file for case %s. Expected file: \n%s" % (
AssertionError: could not find label file for case img_001. Expected file:
上面所有的问题皆是Windows下出现的，Linux的话，我是一次通过的。
解决方案：装Windows版的nnunet，它会解决Windows下的线程问题，不会报这么多奇奇怪怪的问题
最后就是运行指令进行训练：
nnUNet_train 3d_fullres nnUNetTrainerV2 13 0-4nnUNetTrainerV2：代表是训练的模型，
13：任务数据集
0-4：五折中的其中一折
若是训练到一半，想接着训练，则
nnUNet_train 3d_fullres nnUNetTrainerV2 13 0-4 -c
-c：continue的意思
nnunet默认是每50个epoch保存一次
总共训练1000个epoch
#############################################################################
指令总结
#############################################################################
nnUNet_convert_decathlon_task -i F:/data/data_1100/nnUNet_raw_data_base/nnUNet_raw/nnUNet_raw_dat
a/Task14_VesselnnUNet_plan_and_preprocess -t 14
nnUNet_train 3d_fullres nnUNetTrainerV2 13 0
文件位置
nnUNet_convert_decathlon_task：
\nnunet\experiment_planning\ nnUNet_convert_decathlon_task
nnUNet_plan_and_preprocess:
\nnunet\experiment_planning\ nnUNet_plan_and_preprocess
nnUNet_train:
\nnunet\run\run_training
##########################################################################################################################################################
训练的一些源代码笔记
如果用的是nnUNet_train 3d_fullres nnUNetTrainerV2的话，主要看这五个文件代码：
run_training.py：
位置：\nnunet\run\run_training
功能：
主流程都在这里
nnUNetTrainerV2.py：
位置：\nnunet\training\network_training\nnUNetTrainerV2
功能：
1、定义训练的网络模型、初始化网络
2、加载和解压数据集，数据的增强
3、定义损失函数、优化器、学习率之类的
4、加载数据参数定义
5、训练的入口，（在代码最后一段）
nnUNetTrainer.py：
位置：\nnunet\training\nnUNetTrainer.py
功能：
1、加载的一些数据参数定义，分配到self总体上
2、在这个可以自己改batch大小和patch_size大小
一般默认的batch是2，patch_size是【90,190,190】
self.batch_size 和 self.patch_size
3、划分训练集和验证集
4、加载数据集
network_trainer.py：
位置：
位置：\nnunet\training\network_trainer.py
功能：
1、设置一些参数
self.num_batches_per_epoch = 250 ## 训练块
self.num_val_batches_per_epoch = 50 ## 测试块
self.save_every = 50 ## 每多少个epoch保存一下
2、加载权重
3、保存debug日志文件到输出文件夹下
4、训练的while：epoch < max_num_epochs:在这
generic_UNet.py：
位置：\nnunet\network_architecture\generic_UNet.py
功能：
网络结构模型