首页 > 医学园地 > 医学技术医学技术

硬件支持（以英特尔CPU为例）

环境搭建

系统要求

1. Linux系统(推荐)，较常用的桌面linux系统多为Ubuntu系统，最新长期支持版本24.04

2. window系统，如window10, window11。win7及win8可能不再兼容。

安装与图形显卡相对应的最新显卡驱动

Nvidia显卡驱动官方网站：下载最新版官方 GeForce 驱动程序

安装cuda及cuDNN

cuda 官网

官方网址：https://developer.nvidia.com/cuda-toolkit

作用: CUDA 是 NVIDIA 推出的并行计算平台和编程模型，用于加速 GPU 计算任务（如深度学习、科学计算等）。

操作步骤:

1. 选择适合你的操作系统（如 Linux/x86_64）。

2. 根据显卡驱动版本选择对应的 CUDA 版本（需与驱动兼容）。

3. 下载安装包（推荐使用 runfile 或 deb 格式）。

cuDNN 官网

官网地址: https://developer.nvidia.com/cudnn

作用: cuDNN 是 NVIDIA 针对深度神经网络优化的 GPU 加速库，需与 CUDA 配合使用。

操作步骤:

1. 注册/登录 NVIDIA 开发者账号（免费）。

2. 选择与已安装 CUDA 版本兼容的 cuDNN 版本（例如 CUDA 12.x → cuDNN 8.9.x）。

3. 下载对应系统的安装包（如 Local Installer for Linux）。

注意事项

1. 版本兼容性:

   CUDA 版本需与 NVIDIA 显卡驱动兼容（可通过 nvidia-smi 查看驱动支持的最高 CUDA 版本）。

   cuDNN 版本必须与 CUDA 版本严格匹配（详见官网文档）。

2. 安装建议:

   推荐使用官方文档指导的安装方式：CUDA 安装指南、cuDNN 安装指南。

3. 验证安装:

   CUDA: 运行 nvcc -V 查看版本。

   cuDNN: 检查头文件和库是否成功安装（如 cudnn_version.h）。

安装python虚拟环境(Anaconda)

推荐使用Anaconda创建和管理Python虚拟环境

官方网址：https://www.anaconda.com/download

Conda 安装与初始化

安装

# 下载 Miniconda (推荐)
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 安装
bash Miniconda3-latest-Linux-x86_64.sh

# 或者安装 Anaconda
wget https://repo.anaconda.com/archive/Anaconda3-2023.03-Linux-x86_64.sh
bash Anaconda3-2023.03-Linux-x86_64.sh

初始化Conda

# 初始化 conda (添加到PATH)
conda init

# 初始化特定shell (如bash, zsh)
conda init bash #Ubuntu系统推荐
conda init zsh

# 应用更改
source ~/.bashrc # 或 source ~/.zshrc

关闭默认的base环境

安装成功后打开终端一般默认进入conda的base环境，而我们通常不会这么做，建议关闭。

# 禁止自动激活base环境
conda config --set auto_activate_base false

python环境的基本操作

# 创建新环境
conda create -n myenv python=3.9

# 克隆环境
conda create --name myclone --clone myenv

# 激活环境
conda activate myenv

# 退出环境
conda deactivate

# 列出所有环境
conda env list

# 删除环境
conda env remove -n myenv

# 导出环境配置
conda env export > environment.yml

# 从文件创建环境
conda env create -f environment.yml

安装Pytorch

官方网址：https://pytorch.org/get-started/locally/

参照上图，根据自己的系统,计算机硬件，勾选符合要去的Command。比如我的操作系统为Ubuntu24.04，显卡驱动所支持的cuda最高版本为12.9，使用的语言为python，根据自己的选项，生成用于终端的安装命令。

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128

验证：

安装nnUNetV2

安装方法请根据官方提供的安装方法。具体见：https://github.com/MIC-DKFZ/nnUNet

推荐如下安装方式：

git clone https://github.com/MIC-DKFZ/nnUNet.git
cd nnUNet
pip install -e .

权重部署

1. 创建好存放模型的文件夹。注意必须符合nnUNet的严格要求。以Ubuntu为例

   sudo mkdir -p /root/nnunet/nnUNet_raw/
   sudo mkdir -p /root/nnumet/nnUNet_preprocessed/
   sudo mkdir -p /root/nnumet/results/

2. 添加环境变量

   Ubuntu系统编辑".bashrc",添加如下环境变量

   export nnUNet_raw="/root/nnunet/nnUNet_raw/"
   export nnUNet_preprocessed="/root/nnumet/nnUNet_preprocessed/"
   export nnUNet_results="/root/nnumet/results/"

3. 将下载好的权重解压到"/root/nnunet/nnUNet_results "文件夹内，自此模型部署完成。

推理

1. 最好在某一可读写文件夹内创建三个文件夹。用于推理过程中的输入和输出。文件夹命名方面无特殊要求。比如我创建的：

   mkdir -p /data/input/
   mkdir -p /data/out_cascade/
   mkdir -p /data/output

2. 推理代码

   3d级联推理

   nnUNetv2_predict -d Dataset001_Lung -i /data/input/ -o /data/out_cascade/ -f 0 1 2 3 4 -tr nnUNetTrainer -c 3d_lowres -p nnUNetResEncUNetLPlans && nnUNetv2_predict -d Dataset001_Lung -i /data/input/ -o /data/output/ -c 3d_cascade_fullres -tr nnUNetTrainer -p nnUNetResEncUNetLPlans -prev_stage_predictions /data/out_cascade/

   3d_fullres推理

   nnUNetv2_predict -d Dataset001_Lung -i /data/input/ -o /data/output -f 0 1 2 3 4 -tr nnUNetTrainer -c 3d_fullres -p nnUNetResEncUNetLPlans

权重分享

1. 权重的索取

   该权重开源，免费，为作者个人通过大量数据训练而成，如有需要，请联系作者本人，联系方式：lryhdf@163.com。

2. 权重的使用原则

   该权重虽免费，开源，任何使用者不得以此为基础用于商业目的。

   任何使用者都必须知道该权重的作者，任何使用者再次分享与他人的时候都必须携带权重作者的联系信息。（周口市中心医院 心胸外科 李荣耀 lryhdf@163.com）。如果该全权重对作者有些许帮助，还请使用者通过邮件方式对作者表示感谢。

3. 免责声明

   限于用于该权重训练的数据有限，作者经济承担能力有限，权重在推理中尚不完全准确，建议同仁在术前规划过程中仅作参考。本权重作者不对可能的误差负责。

效果展示