X_SSL_Net/docs/operations/Start.md

快速启动

1. 确认目录

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：

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 tools/summarize_results.sh

会生成：

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

查看 markdown 表：

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：

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：

EXTRA_SET_ARGS="train.epochs=2"

减小 batch size：

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

关闭 wavelet branch：

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：

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：

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。