（学习笔记）U-net++代码解读
U-net++
-
- 声明：本文只提供代码部分。
- 声明：内容为题主学习时的疑问，仅供初学者参考。
- python： 3.10
- U-net++结构图
- 遇到的问题
-
- 1. albumentations包安装的问题
- 2. AttributeError: module 'albumentations.augmentations.transforms' has no attribute 'RandomRotate90'
- 3. torch没安cuda
- 代码解读（主要解决py语法问题）
-
- 1.读取配置文件
- 2.os.makedirs()
- 3.yaml.dump()
- 4.losses.\__dict\__()
- 5.cudnn.benchmark
- 6.filter（）
- 7.glob+basename+splitext
- 8. train_test_split()
- 9. Compose()
- 10. Dateset（）
- 11. DataLoader()
- 12.OrderedDict()
- 13.train()
-
- 13.1 AverageMeter()
- 13.2 tqdm()
- 13.3 获取数据
- 13.4 model（）开始训练
-
- 13.4.1 前向传播
- 13.5 criterion()
- 13.6 iou_score()
- 13.7 方向传播，梯度优化
- 13.8 更新进度条
- validate() 和train类似跳过
- 14. scheduler.step()
声明：本文只提供代码部分。
代码地址
声明：内容为题主学习时的疑问，仅供初学者参考。
python： 3.10
U-net++结构图
遇到的问题
1. albumentations包安装的问题
最开始的问题是找不到源，试了好多个命令都没用。最后通过github找到了解决办法。
使用的aniconda的命令。
conda install -c conda-forge albumentations
github链接
2. AttributeError: module ‘albumentations.augmentations.transforms’ has no attribute ‘RandomRotate90’
只需重新impor talbumentations即可。具体办法参见该链接第二个问题
3. torch没安cuda
如果已经安装了cuda可以忽略，题主没有GPU因此需要使用CPU训练。
解决办法： 将代码train和val代码里面的所有的.cuda()更改成.cpu（），这样就在CPU上跑起来了。
代码解读（主要解决py语法问题）
首先找到train.py的入口main函数，如图所示打断点。
1.读取配置文件
跳进这个函数。
def parse_args():
parser = argparse.ArgumentParser()
parser.add_argument('--name', default=None,
help='model name: (default: arch+timestamp)') # 指定网络的名字，就是U-net++
parser.add_argument('--epochs', default=100, type=int, metavar='N',
help='number of total epochs to run')# 指定迭代次数
parser.add_argument('-b', '--batch_size', default=8, type=int,
metavar='N', help='mini-batch size (default: 16)')#指定batch_size
# model
parser.add_argument('--arch', '-a', metavar='ARCH', default='NestedUNet',
choices=ARCH_NAMES,
help='model architecture: ' +
' | '.join(ARCH_NAMES) +
' (default: NestedUNet)') # 指定网络架构
parser.add_argument('--deep_supervision', default=False, type=str2bool)
parser.add_argument('--input_channels', default=3, type=int,
help='input channels')
parser.add_argument('--num_classes', default=1, type=int,
help='number of classes')
parser.add_argument('--input_w', default=96, type=int,
help='image width')
parser.add_argument('--input_h', default=96, type=int,
help='image height')
# loss
parser.add_argument('--loss', default='BCEDiceLoss',
choices=LOSS_NAMES,
help='loss: ' +
' | '.join(LOSS_NAMES) +
' (default: BCEDiceLoss)')
config = parser.parse_args()
return config
这段代码的作用是为了配置模型、损失函数、数据、优化器的各种参数，给每个参数定义一个名字，给一个默认值。
比如： parser.add_argument('--epochs', default=100, type=int, metavar='N', help='number of total epochs to run')# 指定迭代次数
这个的作用是，添加一个epochs（迭代次数）参数，默认值是100，数据类型为int，help：相当与一个说明语句。
这样定义好参数后，便于后续统一管理和了解参数情况。并且py提供的这个argparse类，会根据自己定义的参数生成说明文档（因为参数是自己定义的，传参有误我们也得知道哪里错了），报错也能知道是哪里错了。
最后的cofig相当于一个字典结构。
2.os.makedirs()
209行的含义是给’name’的值命名，%s%s为占位符，用来存放%连接的名字。
209行运行前后对比：
210行运行结果为：
在该path下创建一个目录，exist_ok=True的含义是：若目录存在也不会报错。
3.yaml.dump()
就是打开该path的文件，然后将config字典的内容存到该文件中。部分结果如下：
4.losses._dict_()
在该项目中，有一个losses.py这个文件，里面有相应的类实现。首先losses.dict[xxx]是从losses.py这个文件里扫描xxx这个类，并返回相应的属性值。即创建了一个相应的criterion对象。
5.cudnn.benchmark
cudnn.benchmark = True
大部分情况下，设置这个 flag 可以让内置的 cuDNN 的 auto-tuner 自动寻找最适合当前配置的高效算法，来达到优化运行效率的问题。
此代码为GPU的优化选项，详情参考。
6.filter（）
params = filter(lambda p: p.requires_grad, model.parameters())
filter（）有过滤的功能，其中第一个参数为True（表示需要梯度更新），第二个参数会返回该模型的所有可学习的参数，并过滤出仅仅需要梯度优化的参数。将这些参数以列表的形式赋给params。
7.glob+basename+splitext
261行的代码：
glob()获取指定路径下符合特定条件的文件路径列表。join()这个函数就是拼接好文件路径。最后将所有符合条件的文件路径返回给img_ids。
262行的代码：
首先是遍历261行获取好的文件路径，basename是获取p路径的基本名称，即将路径中的目录部分去除，只保留文件名部分。splitext（）函数将文件名和扩展名分开，并返回。[0]的含义是取文件名赋值给img_ids。
最终img_ids只包含文件名（不包括路径与扩展名）。
8. train_test_split()
将img_ids（文件名）按0.2的比例分成训练集和测试集。
详细解释
9. Compose()
数据增强部分代码（注释在下面）。
train_transform = Compose([
# transforms.RandomRotate90(),
# transforms.Flip(),
albu.RandomRotate90(),
albu.Flip(),
OneOf([
transforms.HueSaturationValue(), #随机改变输入图像的色调、饱和度和值
transforms.RandomBrightness(), #随机改变亮度
transforms.RandomContrast(), #随机改变输入图像的对比度
], p=1),#按照归一化的概率选择执行哪一个
# transforms.Resize(config['input_h'], config['input_w']),
albu.Resize(config['input_h'], config['input_w']), # 采用缩放的形式将图像变到期望大小
transforms.Normalize(),
])
#验证集就不增强了
val_transform = Compose([
# transforms.Resize(config['input_h'], config['input_w']),
albu.Resize(config['input_h'], config['input_w']),
transforms.Normalize(),
])
10. Dateset（）
定义好本地路径相关的信息。
11. DataLoader()
创建一个用于训练数据的数据加载器。
代码注释如下：
12.OrderedDict()
该函数会定义一个有序字典，方便后续打印。
13.train()
将字典，训练集，模型，损失函数，优化器都传进去。
13.1 AverageMeter()
13.2 tqdm()
创建一个进度条。总共为train_loader的长度。
13.3 获取数据
通过train_loader获取输入数据和目标值。
13.4 model（）开始训练
13.4.1 前向传播
从此NestedUNet模型中的，forward开始运行：
class VGGBlock(nn.Module):
def __init__(self, in_channels, middle_channels, out_channels): # 3，32，32
super().__init__()
self.relu = nn.ReLU(inplace=True)
self.conv1 = nn.Conv2d(in_channels, middle_channels, 3, padding=1) # 输入是3，输出是32
self.bn1 = nn.BatchNorm2d(middle_channels)
self.conv2 = nn.Conv2d(middle_channels, out_channels, 3, padding=1)
self.bn2 = nn.BatchNorm2d(out_channels)
def forward(self, x):
out = self.conv1(x)
out = self.bn1(out)
out = self.relu(out)
out = self.conv2(out)
out = self.bn2(out)
out = self.relu(out)
return out
class UNet(nn.Module):
def __init__(self, num_classes, input_channels=3, **kwargs):
super().__init__()
nb_filter = [32, 64, 128, 256, 512]
self.pool = nn.MaxPool2d(2, 2)
self.up = nn.Upsample(scale_factor=2, mode='bilinear', align_corners=True)#scale_factor:放大的倍数 插值
self.conv0_0 = VGGBlock(input_channels, nb_filter[0], nb_filter[0])
self.conv1_0 = VGGBlock(nb_filter[0], nb_filter[1], nb_filter[1])
self.conv2_0 = VGGBlock(nb_filter[1], nb_filter[2], nb_filter[2])
self.conv3_0 = VGGBlock(nb_filter[2], nb_filter[3], nb_filter[3])
self.conv4_0 = VGGBlock(nb_filter[3], nb_filter[4], nb_filter[4])
self.conv3_1 = VGGBlock(nb_filter[3]+nb_filter[4], nb_filter[3], nb_filter[3])
self.conv2_2 = VGGBlock(nb_filter[2]+nb_filter[3], nb_filter[2], nb_filter[2])
self.conv1_3 = VGGBlock(nb_filter[1]+nb_filter[2], nb_filter[1], nb_filter[1])
self.conv0_4 = VGGBlock(nb_filter[0]+nb_filter[1], nb_filter[0], nb_filter[0])
self.final = nn.Conv2d(nb_filter[0], num_classes, kernel_size=1)
def forward(self, input):
x0_0 = self.conv0_0(input)
x1_0 = self.conv1_0(self.pool(x0_0))
x2_0 = self.conv2_0(self.pool(x1_0))
x3_0 = self.conv3_0(self.pool(x2_0))
x4_0 = self.conv4_0(self.pool(x3_0))
x3_1 = self.conv3_1(torch.cat([x3_0, self.up(x4_0)], 1))
x2_2 = self.conv2_2(torch.cat([x2_0, self.up(x3_1)], 1))
x1_3 = self.conv1_3(torch.cat([x1_0, self.up(x2_2)], 1))
x0_4 = self.conv0_4(torch.cat([x0_0, self.up(x1_3)], 1))
output = self.final(x0_4)
return output
class NestedUNet(nn.Module):
def __init__(self, num_classes, input_channels=3, deep_supervision=False, **kwargs):
super().__init__()
nb_filter = [32, 64, 128, 256, 512]
self.deep_supervision = deep_supervision
self.pool = nn.MaxPool2d(2, 2)
self.up = nn.Upsample(scale_factor=2, mode='bilinear', align_corners=True)
self.conv0_0 = VGGBlock(input_channels, nb_filter[0], nb_filter[0]) #3，32，32 输入3，中间32，输出32（特征图个数）
self.conv1_0 = VGGBlock(nb_filter[0], nb_filter[1], nb_filter[1]) # 32，64，64
self.conv2_0 = VGGBlock(nb_filter[1], nb_filter[2], nb_filter[2])
self.conv3_0 = VGGBlock(nb_filter[2], nb_filter[3], nb_filter[3])
self.conv4_0 = VGGBlock(nb_filter[3], nb_filter[4], nb_filter[4])
self.conv0_1 = VGGBlock(nb_filter[0]+nb_filter[1], nb_filter[0], nb_filter[0])
self.conv1_1 = VGGBlock(nb_filter[1]+nb_filter[2], nb_filter[1], nb_filter[1])
self.conv2_1 = VGGBlock(nb_filter[2]+nb_filter[3], nb_filter[2], nb_filter[2])
self.conv3_1 = VGGBlock(nb_filter[3]+nb_filter[4], nb_filter[3], nb_filter[3])
self.conv0_2 = VGGBlock(nb_filter[0]*2+nb_filter[1], nb_filter[0], nb_filter[0])
self.conv1_2 = VGGBlock(nb_filter[1]*2+nb_filter[2], nb_filter[1], nb_filter[1])
self.conv2_2 = VGGBlock(nb_filter[2]*2+nb_filter[3], nb_filter[2], nb_filter[2])
self.conv0_3 = VGGBlock(nb_filter[0]*3+nb_filter[1], nb_filter[0], nb_filter[0])
self.conv1_3 = VGGBlock(nb_filter[1]*3+nb_filter[2], nb_filter[1], nb_filter[1])
self.conv0_4 = VGGBlock(nb_filter[0]*4+nb_filter[1], nb_filter[0], nb_filter[0])
if self.deep_supervision:
self.final1 = nn.Conv2d(nb_filter[0], num_classes, kernel_size=1)
self.final2 = nn.Conv2d(nb_filter[0], num_classes, kernel_size=1)
self.final3 = nn.Conv2d(nb_filter[0], num_classes, kernel_size=1)
self.final4 = nn.Conv2d(nb_filter[0], num_classes, kernel_size=1)
else:
self.final = nn.Conv2d(nb_filter[0], num_classes, kernel_size=1)
def forward(self, input):
print('input:',input.shape)
x0_0 = self.conv0_0(input) # 8，32，96，96
print('x0_0:',x0_0.shape)
x1_0 = self.conv1_0(self.pool(x0_0)) # 下采样
print('x1_0:',x1_0.shape)
x0_1 = self.conv0_1(torch.cat([x0_0, self.up(x1_0)], 1))#00和10维度不一样，因此要将x1_0升维、拼接完之后为8，96，96，96再执行卷积,8，32，96，96
print('x0_1:',x0_1.shape)
x2_0 = self.conv2_0(self.pool(x1_0))
print('x2_0:',x2_0.shape)
x1_1 = self.conv1_1(torch.cat([x1_0, self.up(x2_0)], 1)) # x2_0up后(8,128,48,48),拼接后（8,192,48,48），卷积后（8,64,48,48）
print('x1_1:',x1_1.shape)
x0_2 = self.conv0_2(torch.cat([x0_0, x0_1, self.up(x1_1)], 1))
print('x0_2:',x0_2.shape)
x3_0 = self.conv3_0(self.pool(x2_0))
print('x3_0:',x3_0.shape)
x2_1 = self.conv2_1(torch.cat([x2_0, self.up(x3_0)], 1))
print('x2_1:',x2_1.shape)
x1_2 = self.conv1_2(torch.cat([x1_0, x1_1, self.up(x2_1)], 1))
print('x1_2:',x1_2.shape)
x0_3 = self.conv0_3(torch.cat([x0_0, x0_1, x0_2, self.up(x1_2)], 1))
print('x0_3:',x0_3.shape)
x4_0 = self.conv4_0(self.pool(x3_0))
print('x4_0:',x4_0.shape)
x3_1 = self.conv3_1(torch.cat([x3_0, self.up(x4_0)], 1))
print('x3_1:',x3_1.shape)
x2_2 = self.conv2_2(torch.cat([x2_0, x2_1, self.up(x3_1)], 1))
print('x2_2:',x2_2.shape)
x1_3 = self.conv1_3(torch.cat([x1_0, x1_1, x1_2, self.up(x2_2)], 1))
print('x1_3:',x1_3.shape)
x0_4 = self.conv0_4(torch.cat([x0_0, x0_1, x0_2, x0_3, self.up(x1_3)], 1))
print('x0_4:',x0_4.shape) #(8,32,96,96)
if self.deep_supervision:
output1 = self.final1(x0_1)
output2 = self.final2(x0_2)
output3 = self.final3(x0_3)
output4 = self.final4(x0_4)
return [output1, output2, output3, output4]
else:
output = self.final(x0_4)
return output #(8,1,96,96)
网络流程图如下所示：
13.5 criterion()
进入损失函数。
class BCEDiceLoss(nn.Module):
def __init__(self):
super().__init__()
def forward(self, input, target):
bce = F.binary_cross_entropy_with_logits(input, target)
smooth = 1e-5 # 平滑因子，防止分母为0
input = torch.sigmoid(input) # 将输入的对数几率转化为概率值。
num = target.size(0)
input = input.view(num, -1) # 将input转化为2维张量。
target = target.view(num, -1)
intersection = (input * target) #input是概率，target是0/1，因此计算结果是预测的每个样本的正样本像素的概率。
dice = (2. * intersection.sum(1) + smooth) / (input.sum(1) + target.sum(1) + smooth) # 预测结果和真实标签之间的相似度
dice = 1 - dice.sum() / num # 计算了平均Dice系数，并将其减去1，以得到Dice损失
return 0.5 * bce + dice
13.6 iou_score()
计算iou，交并比。
def iou_score(output, target):
smooth = 1e-5 # 平滑值
if torch.is_tensor(output):
output = torch.sigmoid(output).data.cpu().numpy()
if torch.is_tensor(target):
target = target.data.cpu().numpy()
output_ = output > 0.5 # 预测值大于0.5为True
target_ = target > 0.5 # 目标值大于0.5为True
intersection = (output_ & target_).sum() # 交集
union = (output_ | target_).sum() # 并集
return (intersection + smooth) / (union + smooth) # iou
13.7 方向传播，梯度优化
13.8 更新进度条
validate() 和train类似跳过
14. scheduler.step()
因为本文使用的余弦退火LR学习率更新方式，调度器通过余弦函数来调整学习率。
