-
Notifications
You must be signed in to change notification settings - Fork 46
New issue
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
几点个人意见 #6
Comments
非常感谢提出的意见,我会考虑在后续更新中改进。针对(2),这里面设置seed就是为了保证数据集的划分是固定的随机,也就是只要不同实验中seed一样,数据集的划分就是一致的。 我写这个框架也主要是面向researcher的。希望能够有一个公平的平台来对比各种模型在medical数据的性能,baseline solid了才能对比出方法的好坏。未来应该也不会像mmseg那样做很多工程优化,更多的可能是支持更多的数据集,像MSD那种。目前主要还是我一个人写,所以肯定有很多bug和考虑不周的地方。欢迎提出更多的建议。感谢! |
感谢回复: |
最后,期待作者继续改进,我使用过程中有什么意见也会提,能起到作用固然是好,不能的话就当做提问了。 |
1)mkdir在不在某路径时压根不会创建,导致训练个半天,结果保存不了挂了(linux下),建议:
train.py:
if not os.path.exists('exp/exp_%s' % args.dataset):
os.mkdir('exp/exp_%s' % args.dataset) -->os.makedirs('exp/exp_%s' % args.dataset)
2)在公平的K-fold交叉验证时,数据集的划分应该固定,随机划分就不太公平了。建议:
dataset_acdc.py: class CMRDataset(Dataset): def init....
random.Random(seed).shuffle(img_name_list) 应该注释掉
3)重新加载已有模型时,加载路径可以这样动态生成:
def init_network(args, model_i):# 加了一个model_i参数,传入的是当前的K-Fold值
net = get_model(args, pretrain=args.pretrain)
仅仅个人意见,仅供参考(这个框架写得挺不错的,我个人也非常不喜欢mmseg之类的框架,包装太复杂,在多配置文件下,都不太好调试,当然在工程上可能需要这样)
The text was updated successfully, but these errors were encountered: