深度学习训练配置参数详解

1. 启动初始化

参数	说明
CUDA_VISIBLE_DEVICES	指定使用的GPU设备编号（"0"表示单卡）
seed	随机种子（1777777），保证实验可复现性
cuda	是否启用GPU加速（True）
benchmark	是否启用cudnn基准测试（False），输入尺寸固定时可设为True加速
deterministic	是否强制确定性算法（True），保证可复现性但可能降低性能

2. 数据预处理

参数	说明
resample_spacing	体数据重采样间距（[0.5,0.5,0.5]毫米）
clip_lower_bound	灰度值截断下限（-1412）
clip_upper_bound	灰度值截断上限（17943）
samples_train	每张训练图像的采样点数（2048）
crop_size	训练裁剪尺寸（160×160×96体素）
crop_threshold	有效裁剪的最小前景占比（0.5）

3. 数据增强

参数	说明
augmentation_probability	数据增强应用概率（30%）
augmentation_method	增强策略（"Choice"表示随机选择一种）
open_elastic_transform	是否启用弹性形变（True）
elastic_transform_sigma	弹性形变强度（20）
elastic_transform_alpha	弹性形变缩放系数（1）
open_gaussian_noise	是否添加高斯噪声（True）
gaussian_noise_mean	噪声均值（0）
gaussian_noise_std	噪声标准差（0.01）
open_random_flip	是否启用随机翻转（True）
open_random_rescale	是否启用随机缩放（True）
random_rescale_min_percentage	最小缩放比例（0.5倍）
random_rescale_max_percentage	最大缩放比例（1.5倍）
open_random_rotate	是否启用随机旋转（True）
random_rotate_min_angle	最小旋转角度（-50°）
random_rotate_max_angle	最大旋转角度（50°）
normalize_mean	数据标准化均值（0.050）
normalize_std	数据标准化标准差（0.028）

4. 数据加载

参数	说明
dataset_name	数据集名称（“3D-CBCT-Tooth”）
dataset_path	数据集存储路径
create_data	是否重新生成预处理数据（False）
batch_size	批大小（1）
num_workers	数据加载线程数（4）

5. 模型配置

参数	说明
model_name	模型名称（“KanNet”）
in_channels	输入通道数（1表示灰度图像）
classes	分类数量（2类：背景/前景）
index_to_class_dict	类别索引映射字典
resume	断点续训模型路径（None表示不启用）
pretrain	预训练权重路径（None表示不启用）
high_frequency	高频成分权重（0.9）
low_frequency	低频成分权重（0.1）

6. 优化器

参数	说明
optimizer_name	优化器类型（“AdamW”）
learning_rate	初始学习率（0.0005）
weight_decay	L2正则化系数（0.00005）
momentum	动量参数（0.8）

7. 学习率调度

参数	说明
lr_scheduler_name	学习率调度器类型（“ReduceLROnPlateau”）
mode	监控指标方向（"max"表示越大越好）
factor	学习率衰减系数（0.5）
patience	等待epoch数（1轮不提升后衰减）
milestones	多步学习率调整时机（[1,3,5,7,8,9]epoch）

8. 损失函数与评估

参数	说明
metric_names	评估指标列表（[“DSC”]）
loss_function_name	损失函数（“DiceLoss”）
class_weight	类别权重（背景0.005，前景0.995）
dice_loss_mode	Dice损失变体（“extension”）
sigmoid_normalization	是否使用Sigmoid归一化（False）

9. 训练设置

参数	说明
optimize_params	是否优化超参数（False）
use_amp	是否使用混合精度（False）
run_dir	实验日志保存目录
start_epoch	起始epoch（0）
end_epoch	终止epoch（20）
best_dice	初始最佳Dice分数（0.60）
save_epoch_freq	模型保存频率（每4个epoch）
crop_stride	预测时的滑动窗口步长（[32,32,32]）

关键说明：
GPU相关参数：需根据实际硬件调整CUDA_VISIBLE_DEVICES
数据增强：所有open_*参数控制是否启用对应增强方法
类别不平衡：通过class_weight参数显著提高前景权重（牙科结构）
训练控制：deterministic=True保证可复现性，但会禁用benchmark优化

注：实际使用时需根据数据集特性和硬件条件调整参数值。对于医学图像分割任务，建议优先保证deterministic和精细的数据预处理。