深度學習訓練配置參數詳解

1. 啟動初始化

參數	說明
CUDA_VISIBLE_DEVICES	指定使用的GPU設備編號（"0"表示單卡）
seed	隨機種子（1777777），保證實驗可復現性
cuda	是否啟用GPU加速（True）
benchmark	是否啟用cudnn基準測試（False），輸入尺寸固定時可設為True加速
deterministic	是否強制確定性算法（True），保證可復現性但可能降低性能

2. 數據預處理

參數	說明
resample_spacing	體數據重采樣間距（[0.5,0.5,0.5]毫米）
clip_lower_bound	灰度值截斷下限（-1412）
clip_upper_bound	灰度值截斷上限（17943）
samples_train	每張訓練圖像的采樣點數（2048）
crop_size	訓練裁剪尺寸（160×160×96體素）
crop_threshold	有效裁剪的最小前景占比（0.5）

3. 數據增強

參數	說明
augmentation_probability	數據增強應用概率（30%）
augmentation_method	增強策略（"Choice"表示隨機選擇一種）
open_elastic_transform	是否啟用彈性形變（True）
elastic_transform_sigma	彈性形變強度（20）
elastic_transform_alpha	彈性形變縮放系數（1）
open_gaussian_noise	是否添加高斯噪聲（True）
gaussian_noise_mean	噪聲均值（0）
gaussian_noise_std	噪聲標準差（0.01）
open_random_flip	是否啟用隨機翻轉（True）
open_random_rescale	是否啟用隨機縮放（True）
random_rescale_min_percentage	最小縮放比例（0.5倍）
random_rescale_max_percentage	最大縮放比例（1.5倍）
open_random_rotate	是否啟用隨機旋轉（True）
random_rotate_min_angle	最小旋轉角度（-50°）
random_rotate_max_angle	最大旋轉角度（50°）
normalize_mean	數據標準化均值（0.050）
normalize_std	數據標準化標準差（0.028）

4. 數據加載

參數	說明
dataset_name	數據集名稱（“3D-CBCT-Tooth”）
dataset_path	數據集存儲路徑
create_data	是否重新生成預處理數據（False）
batch_size	批大小（1）
num_workers	數據加載線程數（4）

5. 模型配置

參數	說明
model_name	模型名稱（“KanNet”）
in_channels	輸入通道數（1表示灰度圖像）
classes	分類數量（2類：背景/前景）
index_to_class_dict	類別索引映射字典
resume	斷點續訓模型路徑（None表示不啟用）
pretrain	預訓練權重路徑（None表示不啟用）
high_frequency	高頻成分權重（0.9）
low_frequency	低頻成分權重（0.1）

6. 優化器

參數	說明
optimizer_name	優化器類型（“AdamW”）
learning_rate	初始學習率（0.0005）
weight_decay	L2正則化系數（0.00005）
momentum	動量參數（0.8）

7. 學習率調度

參數	說明
lr_scheduler_name	學習率調度器類型（“ReduceLROnPlateau”）
mode	監控指標方向（"max"表示越大越好）
factor	學習率衰減系數（0.5）
patience	等待epoch數（1輪不提升后衰減）
milestones	多步學習率調整時機（[1,3,5,7,8,9]epoch）

8. 損失函數與評估

參數	說明
metric_names	評估指標列表（[“DSC”]）
loss_function_name	損失函數（“DiceLoss”）
class_weight	類別權重（背景0.005，前景0.995）
dice_loss_mode	Dice損失變體（“extension”）
sigmoid_normalization	是否使用Sigmoid歸一化（False）

9. 訓練設置

參數	說明
optimize_params	是否優化超參數（False）
use_amp	是否使用混合精度（False）
run_dir	實驗日志保存目錄
start_epoch	起始epoch（0）
end_epoch	終止epoch（20）
best_dice	初始最佳Dice分數（0.60）
save_epoch_freq	模型保存頻率（每4個epoch）
crop_stride	預測時的滑動窗口步長（[32,32,32]）

關鍵說明：
GPU相關參數：需根據實際硬件調整CUDA_VISIBLE_DEVICES
數據增強：所有open_*參數控制是否啟用對應增強方法
類別不平衡：通過class_weight參數顯著提高前景權重（牙科結構）
訓練控制：deterministic=True保證可復現性，但會禁用benchmark優化

注：實際使用時需根據數據集特性和硬件條件調整參數值。對于醫學圖像分割任務，建議優先保證deterministic和精細的數據預處理。