# 快速启动

## 1. 确认目录

```bash
cd /home/kekezack/workspace/X_SSL_Net
```

## 2. 先跑最小调试实验

推荐先用 `BUSI` 短跑，把真实数据、`XNet2d` 前向、loss、验证和 checkpoint 链路跑通：

```bash
DATASET=BUSI \
EXTRA_SET_ARGS="train.epochs=2 train.batch_size=2 train.val_batch_size=2 logging.use_swanlab=false" \
bash tools/run_optimized_supervised.sh
```

这条命令会：

1. 根据数据集名称解析数据根目录
2. 对需要项目级 split 的数据集生成 `train/val`
3. 读取 `configs/segmentation/optimized/*.yaml`
4. 启动 `SupervisedSegmentationTrainer`
5. 构建并训练 `XNet2d`

## 3. 汇总结果

训练结束后运行：

```bash
bash tools/summarize_results.sh
```

会生成：

1. `results/experiment_summary.csv`
2. `results/experiment_summary.md`

查看 markdown 表：

```bash
sed -n '1,40p' results/experiment_summary.md
```

重点看：

1. `dataset`
2. `mode`
3. `epoch`
4. `best_metric`
5. `dice`
6. `iou`

## 4. 推荐实验顺序

当前项目更适合先验证 XNet 在 2D 超声分割上的稳定性。建议顺序：

1. `BUSI`
2. `DDTI`
3. `TN3K`
4. `TG3K`
5. `BUS_UC`

示例：

```bash
DATASET=DDTI bash tools/run_optimized_supervised.sh
DATASET=TN3K bash tools/run_optimized_supervised.sh
DATASET=TG3K bash tools/run_optimized_supervised.sh
```

## 5. 常用覆盖参数

短跑：

```bash
EXTRA_SET_ARGS="train.epochs=2"
```

减小 batch size：

```bash
EXTRA_SET_ARGS="train.batch_size=2 train.val_batch_size=2"
```

关闭 wavelet branch：

```bash
EXTRA_SET_ARGS="model.use_wavelet_branch=false checkpoint.dir=outputs/experiments/supervised_ablation/BUSI_no_wavelet logging.experiment_name=xnet_busi_no_wavelet"
```

关闭 decoder frequency refine：

```bash
EXTRA_SET_ARGS="model.use_frequency_refine=false checkpoint.dir=outputs/experiments/supervised_ablation/BUSI_no_freq logging.experiment_name=xnet_busi_no_freq"
```

强制 SS2D 使用 torch fallback：

```bash
EXTRA_SET_ARGS="model.ssm_backend=torch checkpoint.dir=outputs/experiments/supervised_ablation/BUSI_ssm_torch logging.experiment_name=xnet_busi_ssm_torch"
```

## 6. 当前主链边界

当前快速启动不涉及：

1. `lib/sam2`
2. `lib/SwinTransformer`
3. SwinV2 配置
4. 半监督 trainer
5. 边界辅助 loss

这些内容保留为外部资产或历史资料，不属于当前 active 训练路径。