DeepSurvk部署教程

DeepSurvk部署教程

作者:千树、Totoro

• github项目地址
  https://github.com/arturomoncadatorres/deepsurvk

• Pypi项目地址
  https://pypi.org/project/deepsurvk/

一、DeepSurvk简介

• 项目作者原话(翻译)

  DeepSurv 是一种 Cox 比例风险深度神经网络，用于模拟患者协变量与治疗效果之间的相互作用。它最初是由Katzman等人提出的。al（2018）并在Theano中实现（使用Lasagne）。

  不幸的是，不再支持Theano。已经有一些尝试在其他DL平台上重新创建DeepSurv，例如czifan的DeepSurv.pytorch。然而，鉴于它的受欢迎程度和易用性，我认为TensorFlow 2的Keras是完成这项任务的一个很好的选择。

  Mexchy1000 创建DeepSurv_Keras。然而，它是一个非常原始的原型：它没有被适当的记录或验证。此外，它不再得到积极支持。因此，我将其作为开发DeepSurvK的粗略起点。

  这是我的第一个 Python 包。我相信有很多地方可以改进。随时欢迎反馈！

• 前言

  写这篇文章的目的是为了记录安装deepsurvk中遇到的种种问题和解决方法，也为将要使用deepsurvk的同学们提供参考。deepsurvk安装过程中，由于库比较多，容易出现版本不兼容问题，一旦装错，就得重新再来。朋友要使用deepsurvk做实验，我在帮她安装deepsurvk的过程中遇到了很多问题，后面花了两天时间才解决。于是就打算写一篇博客记录下来帮助后来者减少时间浪费，也总结在安装过程中遇到的经验教训。

二、安装环境

• python环境

  python3.7.0: https://www.python.org/downloads/release/python-370/

  安装过程中请确保自己可以找到自己的安装目录，我的安装目录 D:\Environment\python\python3.7.0

• IDE

  pycharm: https://www.jetbrains.com/pycharm/download/

三、新建项目

• 1.新建虚拟环境项目

  建虚拟目录的好处是可以和原先的目录隔离，避免包的版本冲突

  

• 2.在pycharm的终端(terminal)运行命令 pip install deepsurvk

  要在pycharm的终端中运行命令，cmd中运行命令会安装到默认的库，模拟环境有自己的库

  

• 3.使用 pip show deepsurvk 查看是否安装成功

  

• 4.由于包比较多，安装会比较费事，不想用命令行安装的同学可以直接下载，放在 E:\ProgramDevelopmentProject\pycharmProject\pythonProject1\deep_survk_project\Lib\site-packages 目录下面

  链接：https://share.weiyun.com/0S28yDMZ 密码：kww9ue

  复制过程中，重复的文件可以直接跳过

四、代码测试

• 测试代码

  import os
  import pandas as pd
  import deepsurvk
  import tensorflow as tf
  
  pd.read_excel
  
  # 解决gpu报错
  os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
  
  # 查看
  print(tf.test.is_built_with_cuda())
  print(tf.test.is_gpu_available())
  
  ## 测试数据--与患者有关的变量
  x_train = pd.DataFrame({'tx': [0, 0, 1],
  					  'start2': [1, 1, 0],
  					  'sex': [1, 1, 1],
  					  'receth': [1, 1, 1],
  					  'ivdrug': [1, 1, 1],
  					  'homephil': [0, 0, 0],
  					  'karnof': [100, 90, 70],
  					  'cd4': [169, 49, 0],
  					  'priorzdv': [39, 53, 24],
  					  'age': [3, 4, 5],
  					  })
  ## 存活时间
  t_train = pd.DataFrame({'time_d': [189, 199, 285]})
  ## even indicator: e = 1 表示患者被观测到死亡，e = 0 表示患者未被观测到死亡
  e_train = pd.DataFrame({'x': [0,0,0]})
  
  ## deepsurv模型超参数设置
  params = {'n_layers':1,
  		  'n_nodes':10,
  		  'activation':'selu',
  		  'learning_rate':0.001,
  		  'decay':5.667e-3,
  		  'momentum':0.887,
  		  'l2_reg':6.551,
  		  'dropout':0.661,
  		  'optimizer':'nadam'}
  
  ## 构建deepsurv模型
  dsk = deepsurvk.DeepSurvK(n_features=10, E=e_train, **params);
  
  ## 显示模型结果
  dsk.summary()
  
  ## 计算训练网络的目标函数 loss-function，并画出迭代1000次的loss-function图像
  loss = deepsurvk.negative_log_likelihood(e_train)
  print(loss)
  dsk.compile(loss=loss)
  callbacks=deepsurvk.common_callbacks()
  epochs = 1000
  history = dsk.fit(x_train,
  				  t_train,
  				  batch_size=813,
  				  epochs=epochs,
  				  callbacks=callbacks,
  				  shuffle=False)
  deepsurvk.plot_loss(history)
  

五、DLL缺失

• 测试过程中，可能会提示dll文件缺失，需要安装CUDA解决
  

• CUDA下载地址
  https://developer.nvidia.com/cuda-11-6-0-download-archive

  一般情况下，dll文件都放在 C:\Windows\System32 目录下，安装完成后把C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin 目录下的所有文件复制到 C:\Windows\System32 即可。

• cudnn64_8.dll缺失

  cuda的bin目录已经包含了大量的dll文件，cudnn不在，需要额外下载
  https://www.dll-files.com/cudnn64_8.dll.html

• 网盘下载(已包含所有缺失的dll文件，如果还有，请用上面的链接自行下载)

  链接：https://share.weiyun.com/uhWrpqyq 密码：skindu

六、部署完成

• 代码测试通过，运行会显示结果