nnUNet使用指南（二）：使用nnUNet在自己的数据集上训练出现的问题报错
错误一
在使用代码nnUNet_plan_and_preprocess -t XXX --verify_dataset_integrity进行数据集验证时出现AssertionError
AssertionError: could not find label file for case MR_001_0000. Expected file: /data/nnUNet_raw_data_base/nnUNet_raw_data/Task066_MR/labelsTr/MR_001_0000.nii.gz
数据集已经按照要求的情况下（image，label）->（MR_001_0000.nii.gz，MR_001.nii.gz）
错误产生原因：在json文件中images不需要加上模态："image": "./imagesTr/MR_001.nii.gz"而不是"image": "./imagesTr/MR_001_0000.nii.gz"
并且所有数据必须都有在json文件中写入的模态。
错误二
在使用代码nnUNet_plan_and_preprocess -t XXX --verify_dataset_integrity进行数据集验证时出现nibabel.filebasedimages.ImageFileError
nibabel.filebasedimages.ImageFileError: Cannot work out file type of ".../nnUNet_raw/nnUNet_raw_data/Task066_LiverMriTumour/imagesTr/MR_001_0000.nii.gz"
错误原因：尽管文件扩展名为GZ，但该文件实际上可能并未压缩。尝试用gzipping压缩它
错误三
在使用代码nnUNet_plan_and_preprocess -t XXX --verify_dataset_integrity进行多模态数据集验证时出现出现某些数据维度不匹配
将不匹配数据删除即可（image、label、json中都要删除）
或者用python将image和label的direction、spacing、origin设置为相同（通过getXXX、setXXX实现）
不匹配原因探究：多模态数据共用一个label，但在扫描患者时，患者会位移导致图像不是在一个位置上
而多模态数据只在其中一个模态上勾画label，在这个模态上的label是准确的位置，而在别的模态上label的位置就是错的
此时一般会对多模态数据进行配准，使配准的后的模态都处在同样的位置，配准会导致image的direction、spacing、origin
与label不匹配，在验证时就会出现不匹配。
错误四
Could not find a task with the ID xx
错误原因：双位数的ID，前面要补0，66要变成066
错误五
CUDA error: no kernel image is available for execution on the device
CUDA和pytorch不匹配，重装
卸载：
pip uninstall torch
安装：
去官网找自己版本的安装命令：
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
此步骤也可解决训练的慢的问题，自带的
安装时报错Requirement already satisfied
意味当前安装环境下已经安装该包，查看是否环境选择错误
或指定路径参考下面链接：
