def main():
args = get_arguments()
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
## FOR REPRODUCIBILITY OF RESULTS
seed = 1777777
utils.reproducibility(args, seed)
utils.make_dirs(args.save)
name_model = args.model + "_" + args.dataset_name + "_" + utils.datestr()
# TODO visual3D_temp.Basewriter package
writer = SummaryWriter(log_dir='./runs/' + name_model, comment=name_model)
training_generator, val_generator, full_volume, affine = medical_loaders.generate_datasets(
args, path='.././datasets')
model, optimizer = medzoo.create_model(args)
if args.cuda:
model = model.cuda()
print("Model transferred in GPU.....")
print("START TRAINING...")
for epoch in range(1, args.nEpochs + 1):
train(args, model, training_generator, optimizer, epoch, writer)
val_metrics, confusion_matrix = validation(args, model, val_generator,
epoch, writer)
def get_arguments():
parser = argparse.ArgumentParser()
parser.add_argument('--batchSz', type=int, default=4)
parser.add_argument('--dataset_name', type=str, default="brats2018")
parser.add_argument('--dim', nargs="+", type=int, default=(64, 64, 64))
parser.add_argument('--nEpochs', type=int, default=100)
parser.add_argument('--classes', type=int, default=4)
parser.add_argument('--samples_train', type=int, default=1024)
parser.add_argument('--samples_val', type=int, default=128)
parser.add_argument('--inChannels', type=int, default=4)
parser.add_argument('--inModalities', type=int, default=4)
parser.add_argument('--threshold', default=0.00000000001, type=float)
parser.add_argument('--terminal_show_freq', default=50)
parser.add_argument('--augmentation', action='store_true', default=True)
parser.add_argument('--normalization',
default='full_volume_mean',
type=str,
help='Tensor normalization: options ,max_min,',
choices=('max_min', 'full_volume_mean', 'brats', 'max',
'mean'))
parser.add_argument(
'--split',
default=0.8,
type=float,
help='Select percentage of training data(default: 0.8)')
parser.add_argument('--lr',
default=1e-2,
type=float,
help='learning rate (default: 1e-3)')
parser.add_argument('--cuda', action='store_true', default=True)
parser.add_argument('--loadData', default=True)
parser.add_argument('--resume',
default='',
type=str,
metavar='PATH',
help='path to latest checkpoint (default: none)')
parser.add_argument('--model',
type=str,
default='VNET',
choices=('VNET', 'VNET2', 'UNET3D', 'DENSENET1',
'DENSENET2', 'DENSENET3', 'HYPERDENSENET'))
parser.add_argument('--opt',
type=str,
default='sgd',
choices=('sgd', 'adam', 'rmsprop'))
parser.add_argument('--log_dir', type=str, default='./runs/')
args = parser.parse_args()
args.save = './saved_models/' + args.model + '_checkpoints/' + args.model + '_{}_{}_'.format(
utils.datestr(), args.dataset_name)
return args
def __init__(self, args):
name_model = args.log_dir + args.model + "_" + args.dataset_name + "_" + utils.datestr(
)
self.writer = SummaryWriter(log_dir=args.log_dir + name_model,
comment=name_model)
utils.make_dirs(args.save)
self.csv_train, self.csv_val = self.create_stats_files(args.save)
self.dataset_name = args.dataset_name
self.classes = args.classes
self.label_names = dict_class_names[args.dataset_name]
self.data = self.create_data_structure()
def get_arguments():
parser = argparse.ArgumentParser()
parser.add_argument('--batchSz', type=int, default=1)
parser.add_argument('--dataset_name', type=str, default="iseg2017")
parser.add_argument('--dim', nargs="+", type=int, default=(64, 64, 64))
parser.add_argument('--nEpochs', type=int, default=250)
parser.add_argument('--classes', type=int, default=4)
parser.add_argument('--samples_train', type=int, default=1)
parser.add_argument('--samples_val', type=int, default=1)
parser.add_argument('--split', type=float, default=0.8)
parser.add_argument('--inChannels', type=int, default=2)
parser.add_argument('--inModalities', type=int, default=2)
parser.add_argument('--fold_id',
default='1',
type=str,
help='Select subject for fold validation')
parser.add_argument('--lr',
default=1e-2,
type=float,
help='learning rate (default: 1e-3)')
parser.add_argument('--cuda', action='store_true', default=True)
parser.add_argument('--resume',
default='',
type=str,
metavar='PATH',
help='path to latest checkpoint (default: none)')
parser.add_argument('--model',
type=str,
default='UNET3D',
choices=('VNET', 'VNET2', 'UNET3D', 'DENSENET1',
'DENSENET2', 'DENSENET3', 'HYPERDENSENET'))
parser.add_argument('--opt',
type=str,
default='sgd',
choices=('sgd', 'adam', 'rmsprop'))
parser.add_argument(
'--pretrained',
default=
'./saved_models/UNET3D_checkpoints/UNET3D_25_05___15_15_iseg2017_/UNET3D_25_05___15_15_iseg2017__last_epoch.pth',
type=str,
metavar='PATH',
help='path to pretrained model')
args = parser.parse_args()
args.save = '../inference_checkpoints/' + args.model + '_checkpoints/' + args.model + '_{}_{}_'.format(
utils.datestr(), args.dataset_name)
args.tb_log_dir = './runs/'
return args
def get_arguments():
parser = argparse.ArgumentParser()
parser.add_argument('--batchSz', type=int, default=4)
parser.add_argument('--dataset_name', type=str, default="miccai2019")
parser.add_argument('--nEpochs', type=int, default=100)
parser.add_argument('--dim', nargs="+", type=int, default=(256, 256))
parser.add_argument('--classes', type=int, default=7)
parser.add_argument('--samples_train', type=int, default=10)
parser.add_argument('--samples_val', type=int, default=10)
parser.add_argument('--inChannels', type=int, default=3)
parser.add_argument('--inModalities', type=int, default=1)
parser.add_argument('--samples_train', type=int, default=100)
parser.add_argument('--samples_val', type=int, default=10)
parser.add_argument(
'--split',
default=0.8,
type=float,
help='Select percentage of training data(default: 0.8)')
parser.add_argument('--lr',
default=1e-3,
type=float,
help='learning rate (default: 1e-3)')
parser.add_argument('--cuda', action='store_true', default=True)
parser.add_argument('--resume',
default='',
type=str,
metavar='PATH',
help='path to latest checkpoint (default: none)')
parser.add_argument('--model',
type=str,
default='UNET2D',
choices=('VNET', 'VNET2', 'UNET3D', 'DENSENET1',
'DENSENET2', 'DENSENET3', 'HYPERDENSENET',
"UNET2D"))
parser.add_argument('--opt',
type=str,
default='sgd',
choices=('sgd', 'adam', 'rmsprop'))
parser.add_argument('--log_dir', type=str, default='./runs/')
args = parser.parse_args()
args.save = './saved_models/' + args.model + '_checkpoints/' + args.model + '_{}_{}_'.format(
utils.datestr(), args.dataset_name)
return args
def get_arguments():
parser = argparse.ArgumentParser()
parser.add_argument('--batchSz', type=int, default=1)
parser.add_argument('--dataset_name', type=str, default="iseg2017")
parser.add_argument('--dim', nargs="+", type=int, default=(32, 32, 32))
parser.add_argument('--nEpochs', type=int, default=250)
parser.add_argument('--classes', type=int, default=4)
parser.add_argument('--samples_train', type=int, default=10)
parser.add_argument('--samples_val', type=int, default=10)
parser.add_argument('--inChannels', type=int, default=2)
parser.add_argument('--inModalities', type=int, default=2)
parser.add_argument('--fold_id',
default='1',
type=str,
help='Select subject for fold validation')
parser.add_argument('--lr',
default=1e-3,
type=float,
help='learning rate (default: 1e-3)')
parser.add_argument('--cuda', action='store_true', default=False)
parser.add_argument('--resume',
default='',
type=str,
metavar='PATH',
help='path to latest checkpoint (default: none)')
parser.add_argument('--model',
type=str,
default='DENSEVOXELNET',
choices=('VNET', 'VNET2', 'UNET3D', 'DENSENET1',
'DENSENET2', 'DENSENET3', 'HYPERDENSENET'))
parser.add_argument('--opt',
type=str,
default='sgd',
choices=('sgd', 'adam', 'rmsprop'))
parser.add_argument('--log_dir', type=str, default='./runs/')
args = parser.parse_args()
args.save = './saved_models/' + args.model + '_checkpoints/' + args.model + '_{}_{}_'.format(
datestr(), args.dataset_name)
return args
def get_arguments():
parser = argparse.ArgumentParser()
parser.add_argument('--batchSz', type=int, default=4)
parser.add_argument('--dataset_name', type=str, default="mrbrains4")
parser.add_argument('--dim', nargs="+", type=int, default=(128, 128, 48))
parser.add_argument('--nEpochs', type=int, default=200)
parser.add_argument('--inChannels', type=int, default=3)
parser.add_argument('--inModalities', type=int, default=3)
parser.add_argument('--samples_train', type=int, default=10)
parser.add_argument('--samples_val', type=int, default=10)
parser.add_argument('--classes', type=int, default=4)
parser.add_argument('--threshold', default=0.1, type=float)
parser.add_argument('--augmentation', default='no', type=str,
help='Tensor normalization: options max, mean, global')
parser.add_argument('--normalization', default='global_mean', type=str,
help='Tensor normalization: options max, mean, global')
parser.add_argument('--resume', default='', type=str, metavar='PATH',
help='path to latest checkpoint (default: none)')
parser.add_argument('--split', default=0.9, type=float, help='Select percentage of training data(default: 0.8)')
parser.add_argument('--lr', default=1e-3, type=float,
help='learning rate (default: 1e-3)')
parser.add_argument('--cuda', action='store_true', default=False)
parser.add_argument('--model', type=str, default='UNET3D',
choices=('VNET', 'VNET2', 'UNET3D', 'DENSENET1', 'DENSENET2', 'DENSENET3', 'HYPERDENSENET'))
parser.add_argument('--opt', type=str, default='sgd',
choices=('sgd', 'adam', 'rmsprop'))
parser.add_argument('--log_dir', type=str,
default='./runs/')
args = parser.parse_args()
args.save = './saved_models/' + args.model + '_checkpoints/' + args.model + '_{}_{}_'.format(
utils.datestr(), args.dataset_name)
return args
