【文件属性】：
文件名称：pytorch-3dunet:用pytorch编写的用于体积语义分割的3D U-Net模型
文件大小：30.49MB
文件格式：ZIP
更新时间：2021-05-05 07:59:57
pytorch unet semantic-segmentation volumetric-data 3d-segmentation
pytorch-3dunet
PyTorch实施3D U-Net及其变体：
基于3D U-Net的标准3D U-Net ÖzgünÇiçek等人。
基于残差3D U-Net。
该代码允许对U-Net进行以下方面的训练：语义分割（二进制和多类）和回归问题（例如降噪，学习解卷积）。
二维U网
也可以训练标准2D U-Net，有关示例配置，请参见 。 只需确保将单例z维保留在H5数据集中（即(1, Y, X)而不是(Y, X) ），因为数据加载/数据扩充始终需要3级张量。
先决条件
Linux
NVIDIA GPU
CUDA CuDNN
在Windows上运行
该软件包尚未在Windows上进行过测试，但是有报告称该软件包已在Windows上使用。 要记住的一件事：在使用CrossEntropyLoss进行训练时：配置文件中的标签类型应该从long更改为int64 ，否则会出现错误：
【文件预览】：
pytorch-3dunet-master
----setup.py(344B)
----.gitignore(216B)
----conda-recipe()
--------README.md(614B)
--------build.sh(25B)
--------meta.yaml(728B)
----resources()
--------sample_ovule.h5(13.5MB)
--------train_config_regression.yaml(5KB)
--------3DUnet_lightsheet_nuclei()
--------test_config_regression.yaml(2KB)
--------3DUnet_lightsheet_boundary()
--------3DUnet_confocal_boundary()
--------2DUnet_dsb2018()
--------train_config_dice.yaml(6KB)
--------test_config_dice.yaml(2KB)
----.travis.yml(1KB)
----environment.yaml(214B)
----.bumpversion.cfg(138B)
----LICENSE(1KB)
----README.md(13KB)
----tests()
--------test_transforms.py(9KB)
--------conftest.py(1KB)
--------test_trainer.py(6KB)
--------__init__.py(0B)
--------resources()
--------test_criterion.py(7KB)
--------test_predictor.py(2KB)
--------test_dataset.py(6KB)
----pytorch3dunet()
--------datasets()
--------unet3d()
--------__init__.py(37B)
--------__version__.py(22B)
--------predict.py(2KB)
--------augment()
--------train.py(1KB)