【文件属性】:
文件名称:matlab代码先保存在运行-LiviaNET:该存储库包含LiviaNET的代码,LiviaNET是我们工作中使用的3D全卷积神经网络:“用
文件大小:11.51MB
文件格式:ZIP
更新时间:2021-05-19 22:17:27
系统开源
matlab代码先保存在运行
LiviaNET。
用于语义图像分割的3D全卷积神经网络
pytorch的新版本已实施
该存储库包含LiviaNET的代码,这是我们工作中使用的3D全卷积神经网络:2017年4月17日在Neuroimage中接受。
要求
该代码已用Python(2.7)编写,并且需要
您还应该已经安装
(可选)该代码允许以Matlab和Nifti格式加载图像。
如果您想使用nifti格式,则应安装
运行代码
训练
如何从头开始训练自己的体系结构?
要开始使用自己的体系结构,必须根据需要修改文件“
LiviaNET_Config.ini”。
然后,您只需要在命令行中编写:
python
./networkTraining.py
./LiviaNET_Config.ini
0
在每个时期之后,这将保存更新的训练模型。
如果您使用GPU,则将在近5分钟后从示例中获得训练有素的模型。
我可以从另一个时代重新开始训练吗?
想象一下,在对模型进行了两天的训练之后,就在准备好评估新模型之前,您的计算机出现了故障。
不要恐慌!!!
您只需从保存模型的最后一个纪元(假设第20个纪元)重新开
【文件预览】:
LiviaNET-master
----src()
--------generateROI.py(4KB)
--------networkSegmentation.py(2KB)
--------LiviaNET_Segmentation.ini(807B)
--------LiviaNET_Config_NeuroPaper.ini(6KB)
--------LiviaNET_Config.ini(6KB)
--------networkTraining.py(3KB)
--------LiviaNet()
--------processLabels.py(4KB)
----License(1KB)
----Dataset()
--------Label()
--------MR()
--------ROI()
--------Readme.txt(704B)
----README.md(6KB)
----trainedWeights()
--------weights_ConvLayer_0.npy(1KB)
--------Readme.txt(155B)
--------weights_ConvLayer_1.npy(21KB)
--------weights_ConvLayer_2.npy(63KB)
----Images()
--------NeuroRes2.jpg(313KB)
--------NeuroFeatMaps.jpg(1.04MB)