问题标签 [niftynet]

当我尝试执行从 PyPI 安装的 NiftyNet 的快速入门说明时，运行 net_segment 时出现以下错误：

我已经在 Linux Mint 18.3 安装（这个）以及带有 SimpleITK 的 Arch Linux 安装上尝试过这个。

这是从安装了 SimpleITK 的 AUR 安装 NiftyNet 的 Arch Linux 上的相同错误。

通过将 TensorFlow 降级到 1.7 版解决。

谁能向我解释为什么当输入数据大于窗口大小时，推理中的第一个窗口与后续窗口相比需要更长的时间？这是我的应用程序的执行时间示例： 在此处输入图像描述

我正在尝试在用 Keras（TF 后端）编写的不同 convnet 中 实现NiftyNet中实现的 Generalized Dice Loss 。

但是，当我尝试使用此损失函数训练模型时，会出现以下错误：

ValueError：一个操作没有梯度。请确保您的所有操作都定义了渐变（即可微分）。没有梯度的常见操作：K.argmax、K.round、K.eval。

我尝试实现的任何其他损失函数都不会发生这种情况。有人知道如何解决这个问题吗？据我所知，代码中不存在不可微的运算符。

我想使用 NiftyNet 堆栈执行一些迁移学习，因为我的标记图像数据集相当小。在 TensorFlow 中，这是可能的——我可以加载各种预训练的网络并直接使用它们的层。为了微调网络，我可以冻结中间层的训练，只训练最后一层，或者我可以只使用中间层的输出作为特征向量来输入另一个分类器。

我如何在 NiftyNet 中做到这一点？文档或源代码中唯一提到“迁移学习”是参考模型动物园，但对于我的任务（图像分类），动物园中没有可用的网络。ResNet 架构似乎已经实现并且可以使用，但据我所知，它还没有经过任何训练。此外，似乎我可以训练网络的唯一方法是运行net_classify train，使用配置文件中的各种TRAIN配置选项，这些选项都没有冻结网络的选项。中的各个层niftynet.layer似乎也没有选择是否可以训练它们。

我想我的问题是：

1. 是否可以通过预训练的 TensorFlow 网络进行移植？
   • 如果我在 NiftyNet 中手动重新创建层架构，有没有办法从预训练的 TF 网络导入权重？
2. 如何访问模型的中间权重和层？（如何访问 NiftyNet 中预训练模型的中间激活图？指的是模型动物园，可以使用 获得它们net_download，但不能使用任何任意模型）
3. 顺便说一句，学习率似乎也是一个常数——要随着时间的推移而变化，我是否必须运行网络进行一些迭代，更改lr，然后从最后一个检查点重新开始训练？

我正在尝试在 niftynet 中实现的广义骰子损失，以使用 V-Net 分割包含 4 个类别（1 个背景 3 个感兴趣区域）的 MRI 卷。我尝试以两种方式格式化标签：

• 空间维度只有 0 是背景，1,2,3 是感兴趣区域的标签。

• 5 维图像 ([3 spatial],1,4) 为第 5 维中的每个类存储二进制卷

第二种情况的推断产生了一个 3D 体积，其中仅检测到带有标签“3”的类，而在第一种情况的训练期间损失根本没有减少。我是否以正确的格式存储标签？

统一采样器中的尺寸是如何生成的？我尝试调试图像大小，它似乎适用于某些迭代，但不适用于其他迭代。任何想法如何解决这个问题。我的配置如下：

[风俗]

• 类数：14

• 输出概率：真

• 标签标准化：真

• 软最大：真

• min_sampling_ratio: 0

• 强制标签：(0, 1)

• rand_samples：0

• min_numb_labels：1

• proba_connect：真

• 评估单位：前景

• 图像：（'图像'，）

• 标签：（'标签'，）

• 重量： （）

• 采样器：（）

• 推断： （）

名称：net_segment

[配置文件]

• 路径：/home/ubuntu/niftynet/extensions/deepmedic/deepmedic_all_task_renambed_labels.ini

[图片]

• csv_file:

• path_to_search: /home/ubuntu/med_deacthalon/Task_all_same_names/imagesTr_1

• 文件名包含：（）

• filename_not_contains: ('肺',)

• interp_order：3

• 装载机：无

• pixdim: (1.0, 1.0, 1.0)

• 轴码：（'A'，'R'，'S'）

• 空间窗口大小：（51、51、51）

[标签]

-csv_file:

• path_to_search: /home/ubuntu/med_deacthalon/Task_all_same_names/labelsTr_1

• 文件名包含：（）

• filename_not_contains: ('肺',)

• interp_order：3

• 装载机：无

• pixdim: (1.0, 1.0, 1.0)

• 轴码：（'A'，'R'，'S'）

• 空间窗口大小：（9、9、9）

[系统]

• cuda_devices：“”

• 线程数：2

• num_gpus：1

• 模型目录：/home/ubuntu/models_nifty/deepmedic/all_task_same_name_rename_labels

• dataset_split_file: ./dataset_split.csv

• 动作：火车

[网络]

• 名称：深度医学

• 激活函数：relu

• 批量大小：32

• 衰减：0.0

• reg_type：L2

• volume_padding_size: (21, 21, 21)

• volume_padding_mode：最小

• window_sampling：统一

• 队列长度：128

• multimod_foreground_type：和

• histogram_ref_file: histogram_standardisation_alltask.txt

• norm_type：百分位数

• 截止：（0.01，0.99）

• 前景类型：otsu_plus

• 标准化：错误

• 美白：真

• normalise_foreground_only：真

• weight_initializer: he_normal

• 偏差初始化器：零

• 保持概率：1.0

• weight_initializer_args：{}

• 偏差初始化器参数：{}

[训练]

• 优化师：亚当

• sample_per_volume: 32

• 旋转角度：（-10.0，10.0）

• 旋转角度x：（）

• 旋转角度y：（）

• 旋转角度z：（）

• scaling_percentage: (-10.0, 10.0)

• 随机翻转轴：-1

• do_elastic_deformation: 假

• num_ctrl_points：4

• 变形西格玛：15

• 比例变形：0.5

• LR：0.001

• loss_type: 骰子

• 起始迭代器：0

• save_every_n：45

• 张量板_每个_n：20

• 最大迭代器：10

• 最大检查点：20

• 验证_每个_n：-1

• 验证最大迭代器：1

• exclude_fraction_for_validation：0.0

• exclude_fraction_for_inference：0.0

[推理]

• 空间窗口大小：（57、57、57）

• inference_iter：-1

• dataset_to_infer：

• save_seg_dir: ./deepmedic/alltask_newname

• 输出后缀：_niftynet_out

• output_interp_order: 0

• 边界：（36、36、36）

CRITICAL:niftynet: Don't know how to generate sampling locations: Spatial dimensions of the grouped input sources are not consistent. {(477, 451, 187), (391, 369, 147)} Exception in thread Thread-2: Traceback (most recent call last): File "/home/ubuntu/anaconda3/envs/python3/lib/python3.6/threading.py", line 916, in _bootstrap_inner self.run() File "/home/ubuntu/anaconda3/envs/python3/lib/python3.6/threading.py", line 864, in run self._target(*self._args, **self._kwargs) File "/home/ubuntu/niftynet/NiftyNet/niftynet/engine/image_window_buffer.py", line 148, in _push for output_dict in self(): File "/home/ubuntu/niftynet/NiftyNet/niftynet/engine/sampler_uniform.py", line 81, in layer_op self.window.n_samples) File "/home/ubuntu/niftynet/NiftyNet/niftynet/engine/sampler_uniform.py", line 151, in _spatial_coordinates_generator _infer_spatial_size(img_sizes, win_sizes) File "/home/ubuntu/niftynet/NiftyNet/niftynet/engine/sampler_uniform.py", line 238, in _infer_spatial_size raise NotImplementedError NotImplementedError

我试过在代码中找到默认的initilizer，但是框架很复杂，所以我决定直接在这里问。我在哪里可以找到默认初始化程序？“ini”文件中是否有任何可配置的参数？

我运行（在 Google Cloud VM 实例中的 Ubuntu 16.04 上）：

unet_2d对于使用softmax 和 (96,96,1) 空间窗口的二元分割问题。这是在我训练我的模型 10 个 epoch 并保存检查点之后。我不确定为什么它会从windows_aggregator_resize.py. 这个问题的原因是什么，我能做些什么来解决它？

以下是一些推理设置和相应的错误：

为了重现错误：

• 将填充niftynet.network.unet_2d.py从更改valid为same
• 数据集 [Task2_Heart]：https ://drive.google.com/drive/folders/1HqEgzS8BV2c7xYNrZdEAnrHk7osJJ--2
• 更新配置： https ://drive.google.com/open?id=1RI111BZLv4Lhf9cGvHo_sAHRt_k5Xt0I

我在Linux 7.5上安装NiftyNet 0.3.0了该软件包。是先验安装的。当我导入时，我收到以下错误消息。Python 2.7.5CentOSTensorflow 1.9NiftyNet

一个类似的问题被报告为它的 GitHub 存储库的问题，它指出(>=1.8)NiftyNet的最新版本可能不支持。Tensorflow

不幸的是，不允许以Tensorflow非管理员身份在 Linux 服务器中降级到 1.7 版本。任何人都可以提出任何提示来解决这种NiftyNet与 with不兼容的问题Tensorflow 1.9吗？如果可能的话，我愿意修改它在GitHub 存储库中发布的源代码。提前谢谢你的帮助。

我正在尝试 niftynet 网站上的快速启动命令。当我运行 net_download dense_vnet_abdominal_ct_model_zoo 时，我得到非法指令（核心转储）。有人有解决方案吗？谢谢。