Acasă Explorează Ajutor
Autentificare
kekezack
/
X_SSL_Net
0
0
Bifurcare 0
Fisiere Probleme 0 Trageți solicitările 0 Wiki
Arbore: fbbbfe53c8
Ramuri Etichete
X_SSL_Net
/
docs
/
handoff
/
2026-05-27_x_ssl_net_handoff.md

2026-05-27_x_ssl_net_handoff.md 9.0 KB
Istoric Crud

Handoff Review (2026-05-27)

Dimension Score Notes
Completeness 5/5 Goal, current state, completed/WIP/blocked items, files, verification, environment, branch and commit are all present.
Decision Quality 5/5 Decisions include rationale, alternatives, and key constraints such as CUDA-only full-model training.
Actionability 4/5 Next steps are ordered and concrete; exact full-training hyperparameters still need to be chosen before formal runs.
Accuracy 5/5 Branch, latest commit, and listed file paths were verified locally; tracked project files listed in the handoff exist.
Safety 5/5 No credentials, tokens, passwords, or private keys detected by text scan.

Blockers: None for handoff. Operational blocker remains: full XNet2d with VMamba global branch should be run on CUDA, not CPU. Recommendations: Before sharing outside this workspace, remember docs/ is ignored by Git, so this handoff and the report may need to be copied, force-added, or moved into a tracked docs policy. Overall: PASS_WITH_CAVEATS

Handoff: 2026-05-27 19:09

Summary

本轮工作围绕 X_SSL_Net 的阶段性整理和汇报材料展开。项目当前已经具备配置化训练入口、数据加载模块、基础实验脚本、最小烟测记录和汇报文档。当前没有新增正式完整实验结果，项目下一阶段重点是：一方面继续上一篇论文修改，另一方面启动 X_SSL_Net 作为第二篇项目的正式训练和消融实验。

Current State

  • Complete:

    • 训练入口已统一为 tools/train.py，支持 YAML 配置和 --set 覆盖。
    • 全监督分割训练主线已整理到 lib/trainers/supervised.py。
    • 通用训练能力集中在 lib/trainers/base.py，包括设备、日志、checkpoint、验证、early stopping 等。
    • lib/data/ 数据加载模块已纳入项目代码，支持多个超声数据集。
    • 根目录已补充 requirements.txt。
    • 已添加 tests/test_xnet_2d.py，用于验证 XNet2d 输出 shape。
    • BUSI 数据划分可用：train 624，val 156。
    • CUDA 烟测已通过：BUSI、小模型、64x64、1 epoch、312 step，最终平均 loss 约 0.8459。
    • 汇报材料已写入 docs/report/2026-05-27_x_ssl_net_status_report.md。

  • In Progress:

    • 正式完整训练尚未开展。
    • 消融实验尚未开展。
    • 当前项目汇报材料是阶段状态稿，可继续按实验结果补充。

  • Blocked:

    • CPU 下完整 XNet2d 不能运行 VMamba global branch。即使设置 ssm_backend=torch，底层 csm_triton.cross_scan_fn 仍会调用 torch.cuda.device(x.device)，在 CPU 上报错。
    • 正式实验依赖 GPU 环境。

Key Decisions

Decision Rationale Alternative
将项目表述为“配置化训练重构已完成，烟测已完成，可进入正式实验” 符合当前实际状态，避免把 smoke test 包装成正式实验结果 直接汇报“没有实验进展”，信息量不足
后续先跑全监督 baseline，再做消融 当前可运行主线是全监督分割训练，先拿稳定基线最实际 立即展开 SSL Trainer，不符合当前用户要求
通过 YAML 和 --set 管理实验 减少改代码次数，便于完整实验和消融实验复现 为每个实验手写单独训练脚本
正式训练使用 CUDA 完整 VMamba global branch 当前 CPU 路径不可用 尝试 CPU 跑完整模型，会触发已知错误
交接文档放在 docs/handoff/ 文档按用途归档，避免根目录继续堆文件 放根目录 HANDOFF.md，不符合用户“都放到 docs 下”的要求

Files Touched

File Purpose Status
.gitignore 调整忽略规则，使根目录 /data/ 继续忽略，同时允许 lib/data/ 作为代码模块纳入项目 已提交
requirements.txt 记录主训练依赖，包括 PyTorch、MONAI、ptwt、timm、Pillow、triton、swanlab、pytest 等 已提交
lib/data/ 数据索引、加载、划分、augmentation、collate 等逻辑 已提交
lib/modules/xnet_2d.py 核心 XNet2d 模型，小波分支、频率精炼、VMamba global branch 等 已提交
lib/trainers/supervised.py 全监督分割训练逻辑，读取模型配置并启动训练 已提交
configs/segmentation/*.yaml 全监督训练和消融相关配置 已提交
tests/test_xnet_2d.py 模型 forward shape 测试；CPU 下跳过 global branch，CUDA 下覆盖完整路径 已提交
docs/report/2026-05-27_x_ssl_net_status_report.md 今日汇报稿，强调配置化训练、烟测完成、后续实验计划 本地 docs
docs/handoff/2026-05-27_x_ssl_net_handoff.md 本交接文档 本地 docs

Verification

  • Syntax check:

    python -m py_compile tools/train.py lib/trainers/base.py lib/trainers/builder.py lib/trainers/supervised.py lib/modules/xnet_2d.py lib/tools/loss.py lib/tools/metrics.py lib/tools/optim.py lib/utils/config.py lib/data/*.py scripts/generate_project_split.py tests/test_xnet_2d.py

  • XNet2d shape test:

    /opt/miniforge3/envs/xnet_mamba/bin/python - <<'PY'
from tests.test_xnet_2d import test_xnet2d_forward_preserves_segmentation_shape
test_xnet2d_forward_preserves_segmentation_shape()
print('xnet forward shape test passed')
PY

  • BUSI split check:

    /opt/miniforge3/envs/xnet_mamba/bin/python scripts/generate_project_split.py --dataset BUSI --root data/BUSI --seed 42

Observed result: train 624, val 156.

  • CUDA smoke training:

    /opt/miniforge3/envs/xnet_mamba/bin/python tools/train.py \
--config configs/segmentation/train_sup_us_template.yaml \
--set train.device=cuda train.epochs=1 train.batch_size=2 train.val_batch_size=2 \
train.num_workers=0 train.persistent_workers=false train.pin_memory=false \
train.prefetch_factor=null train.amp=false train.grad_clip.enabled=false \
train.deterministic=true dataset.dataset_name=BUSI dataset.root=data/BUSI \
dataset.image_size='[64,64]' model.encoder_channels='[8,16,24,32]' \
model.encoder_depths='[1,1,1,1]' model.decoder_channels='[24,16,8]' \
model.stem_channels=8 model.bottleneck_depth=1 model.global_ratio=1.0 \
model.use_global_branch_stage1=false model.use_frequency_refine=true \
model.ssm_d_state=1 model.ssm_backend=auto model.out_channels=null \
model.use_wavelet_branch=true validation.enabled=false \
checkpoint.dir=outputs/smoke/supervised/BUSI checkpoint.save=false \
logging.use_swanlab=false logging.print_training_setup=false logging.log_interval=9999

Observed result: 312/312 steps completed, final average total/seg loss about 0.8459.

Environment

  • Recommended environment: /opt/miniforge3/envs/xnet_mamba
  • Python: 3.10.20 in xnet_mamba
  • CUDA GPU observed: NVIDIA GeForce RTX 4070 Ti SUPER, 16 GB
  • Core imports available in xnet_mamba: torch, monai, ptwt, timm, triton, PIL
  • Missing in xnet_mamba during check: pytest, swanlab
  • Note: smoke training disabled SwanLab with logging.use_swanlab=false.

Next Steps (Priority Order)

  1. 完成上一篇论文修改 — 当前汇报口径里这是近期主要工作之一。
  2. 跑 X_SSL_Net 正式 baseline — 建议先选 BUSI 或 BUS-UCLM，使用默认 256x256 配置，在 CUDA 上完整训练并记录 Dice、IoU、loss 曲线、最优 epoch、耗时和显存。
  3. 做第一组消融实验 — 优先比较 full model、no wavelet branch、no frequency refine、不同 low-frequency radius。
  4. 整理实验结果表格 — 可使用 tools/summarize_results.py 汇总 best.pth 指标，必要时补充手动结果表。
  5. 根据 baseline 和消融结果决定是否继续调整模型结构或训练策略。

Open Questions

  • 正式实验优先数据集是 BUSI、BUS-UCLM，还是需要同时覆盖更多超声数据集？
  • 完整训练的 epoch、batch size、输入尺寸是否沿用当前模板，还是根据 GPU 显存重新设定？
  • 是否需要把 pytest 和 swanlab 安装到 xnet_mamba 环境，或者保持 smoke/正式训练均通过配置关闭 SwanLab？
  • CPU 路径是否需要后续修复，还是默认该模型只支持 GPU 正式训练？

Known Pitfalls

  • 不要在 CPU 上跑完整 VMamba global branch；当前会报 Expected a cuda device, but got: cpu。
  • logging.use_swanlab=true 时，如果环境没有安装 swanlab，代码会提示缺失并继续；正式记录实验建议确认日志工具是否需要启用。
  • docs/ 当前被 .gitignore 忽略，本交接文档和汇报稿属于本地文档资料，不会自动出现在 git status --short 中。
  • /data/ 应继续忽略，不要把真实数据集提交进仓库。
  • 若新增消融配置，注意同步 checkpoint.dir 和 logging.experiment_name，避免结果覆盖或命名混乱。

Branch Info

  • Branch: feat_ssl_us_skeleton
  • Latest Commit: 5f33d6e8b468d03595fe8be884e557304bd501e1 — "feat(data): 添加数据处理模块和配置频率细化参数"
  • Commit Time: 2026-05-27T18:47:16+08:00
  • Base Branch: not verified in this session