fastmri是FaceBook和纽约大学医学院放射科合作的一个项目,旨在用深度学习的方法加速MRI重建。
代码:https://github.com/tianxiaoxiao2018/fastMRI
数据:https://fastmri.med.nyu.edu/
调试:
1、首先按照教程装依赖包,我用下面的 pip install -r requirments.txt有报错的地方。所以我是直接打开requirments.txt,一个一个手动装包。
torch0.4.1 它提供的版本报错。所以我按照下面这个网址的方法装,https://blog.csdn.net/zywvvd/article/details/86685871
2、装好依赖包后,修改程序。
1)把/home/tianxiaoxiao/code/fastMRI-master/文件夹下的common和data文件夹放到/home/tianxiaoxiao/code/fastMRI-master0/models/unet下,否则会提示找不到common和data模块。
2)再修改/home/tianxiaoxiao/code/fastMRI-master0/models/unet下的train_unet.py文件,将27行的from models.unet.unet_model import UnetModel修改为下图所示,否则又会出现找不到模块model。
3、调试
1)定位到你的unet目录下,我的是:
cd /home/tianxiaoxiao/code/fastMRI-master0/models/unet
2)训练:challenge 为singlecoil 。添加数据路径(就是你放数据的地方,照着我这个弄吧),我的如下所示。
CUDA_VISIBLE_DEVICES=4 python train_unet.py --challenge singlecoil --data-path /home/tianxiaoxiao/code/fastMRI-master0/models/unet --exp-dir checkpoint
3)要在验证数据上运行模型:
CUDA_VISIBLE_DEVICES=3 python run_unet.py --data-path /home/tianxiaoxiao/code/fastMRI-master0/models/unet --data-split val --checkpoint checkpoint/best_model.pt --challenge singlecoil --out-dir reconstructions_val
输出将保存到reconstructions_val.
4)
要在测试数据上运行模型:
CUDA_VISIBLE_DEVICES=5 python run_unet.py --data-path /home/tianxiaoxiao/code/fastMRI-master0/models/unet --data-split test --checkpoint checkpoint/best_model.pt --challenge singlecoil --out-dir reconstructions_test
输出将保存到reconstructions_test
目录中,可以上传以供提交。
4、查看日志
tensorboard --logdir=/home/tianxiaoxiao/code/keras-master/examples --port=12345
日志参考博客(我用的服务器,要改端口):https://blog.csdn.net/index20001/article/details/82871634