问题标签 [niftynet]

我想在 tensorflowjs 中使用 Niftynet zoo 中的模型。

当我从 Niftynet zoo 下载模型时，它们是检查点格式 (ckpt)。但是，tensorflowjs 期望模型为 pb 格式。此外，检查点格式不包含图形信息，因此我们需要使用 simple_save 或类似的 API [1] 保存模型。

所以我打算做的是：

1. 从 Niftynet 动物园下载模型
2. 恢复它。（这一步我需要帮助）
3. 使用 simple_save api 保存完整的模型。这将产生 .pb 模型。（这一步我需要帮助）
4. 使用 tensorflowjs-converter [2] 将其转换为 tensorflowjs 可以使用的 pb 格式。

那么来自 niftynet 社区的人可以帮助我完成第 2 步和第 3 步：如何使用检查点文件和配置文件加载模型并使用 simple_save api 完全保存它。

1. https://www.tensorflow.org/guide/saved_model
2. https://js.tensorflow.org/tutorials/import-saved-model.html

引发 ValueError

我一直在使用 NiftyNet，它之前一直在工作，但最近我遇到了这个问题，它无法识别我认为的 T1 或 T2 图像？由于传递给 [T1] 的文件名列表列是空的，因此引发了 valueerror，但从图片可以看出它识别了 16 个主题，以前是 8 个

我还附上了一张以前的照片。不同之处在于，现在我将图像分解为每个标签文件 1 个标签，而不是之前的每个标签文件 10 个标签： 当它工作时

我在配置文件中所做的唯一更改是 1）我将分段 num_classes 值从 11 更改为 2，以及 2）我将我的 T1、T2 和标签部分中的 path_to_search 更改为我放置编辑图像的位置

我正在尝试在我的 PC 上运行 Niftynet。但它一直显示此错误。我有一个用于 tensorflow 的 CPU 版本，它可以工作。之后我安装了 tensorflow-gpu，现在它停止工作了。

请注意 import tensorflow as tf 工作正常，所以我不确定现在该怎么解决这个问题。

我想使用 niftynet 预训练的分割模型来分割自定义数据。我下载了预训练的权重并修改了 model_dir 路径以下载一个。

但是，当我跑步时

我收到以下错误。

https://github.com/tensorflow/models/issues/5390 上面的链接说要添加

有人可以帮助我如何摆脱这个错误。

我加载了漂亮的文件（这些文件也是从 .pack CT 扫描转换而来的）。我的目标是使用阈值 otsu 算法从背景中屏蔽它并比较两个图像。当我尝试绘图时，我得到了错误

下面是代码，并附上截图。

我正在尝试在我的 PC 上运行 Niftynet。但它一直显示此错误。

tensorflow 的 CPU 版本信息：tensorflow:TensorFlow 版本 1.13.1

我需要安装 tensorflow-gpu 吗？

我们正在尝试通过 Niftynet 训练一个膝关节 MRI 网络。我们有一个空间 window_size = (400,400,400)，pixdim = (0.4,0.4,0.4)。当我们以较小的窗口大小（例如 160,160,160）运行这些图像时 - 没有问题并且效果很好，但是当我们增加 window_size 以实现更高分辨率的输出时，我们得到一个错误：无法序列化 tensorflow 类型的协议缓冲区。 GraphDef 作为序列化大小（3459900923 字节）将大于限制（2147483647 字节）。

这是由于 protobuf 的限制，并且因为 Niftynet / Tensorflow 已经决定它应该是 int32，它给出最大值 (2 ^ 32) / 2 = 2147483648。同时我听说 protobuf 应该真的能够处理 uint64，那么哪个能够处理更大的数字？你知道这是否可以在 Tensorflow/Niftynet 中进行操作吗？

我想使用dense_vnetniftynet 上可用的模型进行 2 类分割，该模型最初进行 9 类分割

我试图通过根据以下建议在配置文件中进行更改来仅重新训练最后一层：HOw to fine tune niftynet pretrained model for custom data

错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError：分配需要两个张量的形状匹配。lhs shape= [2] rhs shape= [9] [[{{node save/Assign_8}} = Assign[T=DT_FLOAT, class=["loc:@DenseVNet/conv/conv /b"], use_locking=true, validate_shape=true, device="/job:localhost/replica:0/task:0/device:CPU:0"](DenseVNet/conv/conv /b, save/RestoreV2:8)]]

我正在尝试使用 NiftyNet 和我自己的数据（CT 图像及其相应的标签）来训练网络。在使用类似的样本数据、我能找到的所有 NiftyNet 文档以及调整我自己的数据的参数之后不久，我设计了 Net 类。但我不断收到此错误：

“TypeError：init（）得到了一个意外的关键字参数'w_initializer'”。

我已经尝试了我在 config.ini、Net 类等中能想到的所有更改。但我无法使其工作，也无法找到原因。任何人都可以帮助解决这个错误吗？或者，也许可以分享一些指导方针，从一开始就训练我自己的网络，这样我至少可以尝试从零开始一个替代方案，看看我是否找到了出路？

训练命令：

config.ini 中的一些值：

网课基础：

输出结束，按预期进行一些处理后：

回溯（最后一次调用）：文件
“/home/niftynet/bin/net_segment”，第 10 行，在
sys.exit(main()) 文件“/home/niftynet/lib/python3.6/site-packages/niftynet / init .py”，
第 142 行，在主
app_driver.run(app_driver.app) 文件“/home/niftynet/lib/python3.6/site-packages/niftynet/engine/application_driver.py”，
第 189 行，运行中
is_training_action=self.is_training_action) 文件“/home/niftynet/lib/python3.6/site-packages/niftynet/engine/application_driver.py”，
第 258 行，在 create_graph
application.initialise_network() 文件“/home/niftynet/lib /python3.6/site-packages/niftynet/application/segmentation_application.py",
第 280 行，在 initialise_network
acti_func=self.net_param.activation_function) TypeError: init () got an unexpected keyword argument 'w_initializer'

目前我正在使用 NiftyNet 开发一个新网络，需要一些帮助。

我正在尝试按照论文中的建议实现自动对焦层 [1]。

但是，在某个点上，自动对焦层需要计算K（K=4）个并行卷积，每个卷积使用相同的权重（w），然后将四个输出连接起来。

有没有办法在NiftyNet中创建四个具有相同权重的并行卷积层？

先感谢您。

[1] https://arxiv.org/pdf/1805.08403.pdf