nnUNet安装踩坑-自适应医学图像分割框架
nnunet是由德国学者提出来的一个用于医学图像分割的通用自适应框架
- 项目地址：https://github.com/MIC-DKFZ/nnUNet
最近想在电脑上部署一下，顺便踩踩坑，感觉其中最大的坑就是apex的安装，深度学习环境的部署可以看上一篇文章
硬件环境
HP Z8G4工作站，RTX2080ti显卡
Ubuntu 1804.4 桌面版本
Nvidia graphic driver 450.57
安装CUDA和CuDNN
这部分还算是比较简单，从官网下载CUDA10.0和对应的CuDNN 7.6.5,CUDA10.0有一个主程序和一个补丁包
sudo sh cuda_10.0.130_410.48_linux.run
sudo sh cuda_10.0.130.1_linux.run
由于已经装好了驱动，所以就选择不安装驱动，也不需要安装samples，只安装toolkit就好，安装路径选择默认路径 /usr/local/cuda-10.0 并选择建立软连接,之后安装CuDNN
tar -xvf cudnn-10.0-linux-x64-v7.6.5.32.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
然后在.bashrc文件中添加环境变量
sudo vim ~/.bashrc
在文件最后添加
export PATH= $ PATH:/usr/local/cuda/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
保存退出后使改动生效
source ~/.bashrc
测试nvcc
nvcc --version
安装pytorch
安装pytorch可以按照pytorch官网上的说明进行安装，但nnunet建议不使用conda虚拟环境，而是使用系统自建一个虚拟python环境进行安装
We very strongly recommend you install nnU-Net in a virtual environment.
Here is a quick how-to for Ubuntu..
Please do not use conda environments. This has caused multiple issues in the past.
新建虚拟python环境
首先需要更新软件列表，确认系统版本和python版本，系统应为ubuntu1804，python为3.6
sudo apt-get update
sudp apt-get -y update
python3 --version # 确定系统python版本，我的使python 3.6.9
然后安装pip和其他必要的库
sudo apt-get install -y python3-pip
sudo apt-get install build-essential libssl-dev libffi-dev pyhton-dev
建立虚拟环境，首先安装venv module
sudo apt-get install -y python3-venv
然后，建立一个目录用于存放虚拟环境
mkdir environments
cd environments
python3 -m venv nnunet # 新建一个环境名为nnunet的虚拟环境
source nnunet/bin/activate # 激活新环境
此时，命令行最左边应该有环境名，类似激活了一个conda环境
(nnunet)img@img:~/environments$
当然，退出的话，同样使用 source nnunet/bin/deactivate来实现，由于没有把该目录加入环境变量，所以每次都要定位至此处。因为系统中本身装有conda，为了好区分，就没有把该虚拟环境加入环境变量中
在新的虚拟环境中，使用python和pip即可，不需要再使用python3和pip3
安装pytorch
pytorch的安装按照官网指引即可，注意与cuda版本匹配，由于我是cuda10，python3.6，因此我选择安装pytorch1.2和torchvision0.4.0，使用pip安装
pip install torch1.2.0 torchvision0.4.0 -f https://download.pytorch.org/whl/torch_stable.html
或者直接从该页面上找到相应的whl文件，使用pip安装。安装完成后，进入python
import torch
torch.version.cuda
应该输出：10.0.130
安装apex
APEX是由nvidia开发的适用于pytorch的实用库，可适用于分布式，混合精度训练，以提升训练速度。在nnunet的介绍中也提到，如果使用他们训练好的模型进行推理的话，可以不需要apex。安装apex遇到了不少问题，我目前也是成功安装，但是并不能保证能够成功使用。APEX的官方推荐安装方法：
git clone https://github.com/NVIDIA/apex
cd apex
pip install -v --no-cache-dir --global-option="–cpp_ext" --global-option="–cuda_ext" ./
正常来说，应该就可以成功安装，但是概率不知道有多大。如果不成功的话，大部分人的建议是将torch和cuda的版本统一，不要在conda虚拟环境下安装，并且将torch和cuda的版本调整至最新版本
由于我安装的是cuda10和pytorch1.2.0，在issue中发现有人提到在f3a960f这个分支下的apex可以成功编译，猜测是不是老一点的分支对老版本兼容性更好一些？当然，在老版本上也要承担相应的bug风险
git checkout -b f3a960f
然后在该分支下编译，最终编译成功
(原谅我截了个图，因为太不容易了。。。。)
安装nnunet
这部分就相对简单了，安装项目的readme来就可以
git clone https://github.com/MIC-DKFZ/nnUNet.git
cd nnUNet
pip install -e .
但是报错，找不到’find_namespace_packages’，不过这个也简单，应该就是setuptools版本较老的原因，更新一下就好，顺便给pip也更新一下
python -m pip install -U pip setuptools
然后重复上面的安装。至此，uunet已经在系统中安装完毕，后面会继续跟进数据整理、训练、优化等方案。大家有问题也可以在评论区评论，最近有不少医学分割比赛想要参加一下。