使用Sybil代码预测肺癌概率，无法进入训练

Question

问题遇到的现象和发生背景

跑Sybil代码无法进入训练

遇到的现象和发生背景，请写出第一个错误信息

Sybil是一个使用患者胸腔CT图片，预测未来患肺癌概率的代码，当我按要求建立虚拟环境，并修改地址后，在Ubuntu终端输入训练参数时，不能进入训练

用代码块功能插入代码，请勿粘贴截图。 不用代码块回答率下降 50%

python train.py \
    --dataset nlst --batch_size 3  \
    --gpus 8 \
    --precision 16 \
    --max_followup 6 \
    --img_file_type png \
    --min_num_images 0 \
    --num_images 200 \
    --use_only_thin_cuts_for_ct \
    --slice_thickness_filter 2.5 \
    --resample_pixel_spacing_prob 0.5 \
    --use_annotations \
    --region_annotations_filepath /media/bsuo/Elements/code/Sybil/annot_dir/nlst_annotations.json \
    --img_mean 128.1722 \
    --img_std 87.1849 \
    --img_size 256 256 \
    --num_chan 3 \
    --limit_train_batches 0.5 \
    --limit_val_batches 1.0 \
    --max_epochs 10 \
    --init_lr 3e-5 \
    --lr_decay 0.1 \
    --weight_decay 1e-2 \
    --momentum 0.9 \
    --dropout 0.1 \
    --optimizer adam \
    --patience 5 \
    --tuning_metric c_index \
    --num_workers 3 \
    --profiler simple \
    --num_sanity_val_steps 0 \
    --save_dir /media/bsuo/Elements/code/Sybil/model_dir/sybil1 --img_dir /media/bsuo/Elements/CT_image/NLST-937/manifest-NLST_allCT/NLST/nlst-ct-png \
    --results_path /path/to/results_dir/sybil.results \
    --cache_path /media/bsuo/Elements/code/Sybil/cache_dir 
    > /media/bsuo/Elements/code/Sybil/log_dir/sybil.txt 2>&1

运行结果及详细报错内容

运行后，无法进入训练

我想要达到的结果，如果你需要快速回答，请尝试 “付费悬赏”

希望能进入训练过程

Answer 1

参考GPT和自己的思路：首先，出现无法进入训练的错误信息时，需要查看终端上的错误提示信息，以确定具体的问题。可以尝试检查以下几个方面：

1 检查训练所需的依赖是否已经正确安装在虚拟环境中，例如PyTorch、NumPy、pandas等。

2 检查输入的数据路径是否正确，以及数据格式是否符合代码要求。

3 检查训练参数是否正确设置，例如batch_size、max_epochs、learning_rate等。

4 检查系统资源是否足够，例如GPU内存是否充足、是否有足够的CPU和内存等。

针对上述代码，可以尝试修改以下几个方面：

1 检查数据路径是否正确设置。需要确认图片文件的路径是否与代码中的img_dir参数一致。

2 检查GPU资源是否充足。如果GPU内存不足，可以考虑减少batch_size或者使用更小的模型进行训练。

3 检查输入数据是否满足要求。可以检查slice_thickness_filter参数是否正确设置，以及检查图片格式是否符合要求。

4 尝试去掉管道符号">"和"2>&1"，以便在终端上直接查看错误信息。

修改后的代码示例：

python train.py \
    --dataset nlst --batch_size 3  \
    --gpus 8 \
    --precision 16 \
    --max_followup 6 \
    --img_file_type png \
    --min_num_images 0 \
    --num_images 200 \
    --use_only_thin_cuts_for_ct \
    --slice_thickness_filter 2.5 \
    --resample_pixel_spacing_prob 0.5 \
    --use_annotations \
    --region_annotations_filepath /media/bsuo/Elements/code/Sybil/annot_dir/nlst_annotations.json \
    --img_mean 128.1722 \
    --img_std 87.1849 \
    --img_size 256 256 \
    --num_chan 3 \
    --limit_train_batches 0.5 \
    --limit_val_batches 1.0 \
    --max_epochs 10 \
    --init_lr 3e-5 \
    --lr_decay 0.1 \
    --weight_decay 1e-2 \
    --momentum 0.9 \
    --dropout 0.1 \
    --optimizer adam \
    --patience 5 \
    --tuning_metric c_index \
    --num_workers 3 \
    --profiler simple \
    --num_sanity_val_steps 0 \
    --save_dir /media/bsuo/Elements/code/Sybil/model_dir/sybil1 \
    --img_dir /media/bsuo/Elements/CT_image/NLST-937/manifest-NLST_allCT/NLST/nlst-ct-png \
    --results_path /path/to/results_dir/sybil.results \
    --cache_path /media/bsuo/Elements/code/Sybil/cache_dir