在医学 AI 领域,非侵入式的脊柱侧弯筛查一直是一个充满挑战的课题。近期,我基于 OpenGait 框架复现了 ScoNet(剪影输入)模型。从显卡环境配置的“地狱开局”,到模型结构维度不匹配的连环报错,再到最终超越论文 Baseline 的 84.76% 准确率,这篇文章记录了我这段时间的踩坑、思考与阶段性成果。
一、硬件环境的“地狱开局”
由于本项目使用的是相对较旧的依赖,而本地硬件又是最新的 RTX 5070 Ti(sm_120 架构),直接导致了 PyTorch 1.8.1 无法兼容。为此,我全面转战 WSL2 (Ubuntu 22.04) 环境,并经历了:
- Nightly 版本 PyTorch 的连环依赖缺失:一路补齐了 libcusparseLt、libnvshmem、cupti 等底层 CUDA 库。
- WSL2 显存泄漏死锁:通过 wsl –shutdown 和调整 num_workers 解决。
- 显存溢出(OOM):通过降低 batch_size、调整 strides 减小特征图尺寸,最终成功点亮显卡。

二、 核心踩坑与代码调试
在跑通环境后,真正的挑战在于如何让数据与网络结构完美适配。主要解决了以下维度冲突:
- 数据喂食错误:ScoNet 处理的是剪影(Silhouette),一开始误用了骨架数据,导致准确率仅 20%+。后切换到 Scoliosis1K-sil-pkl。
- 维度切分报错:原始图片经下采样后高度只剩 5,无法按原论文切成 16 份。我修改了 strides 为 [1, 2, 1, 1],并在 sconet.py 中加入了 F.interpolate 强行拉伸高度至 16,成功解决。
- 模型摆烂(27%准确率):因数据 1:1:8 极度不平衡,且 scale: 1,模型干脆全猜“正常人”。后切换官方 112.json (1:1:2) 并调高 scale: 16,激活了模型的真实学习能力。
三、 阶段性高光:84.76%
调整 lr: 0.01 并跑了 20000 步后,测试集结果迎来大爆发:
- Total Accuracy: 84.76% (超越了原论文的 82.0%)
- Macro-avg Precision: 66.60%
- Macro-avg Recall: 67.93%
- Macro-avg F1 Score: 66.26%

四、 接下来的新目标
- 控制变量调参:在当前本地机器上,继续尝试不同的
lr和迭代次数,通过记录 Excel 找到模型收敛的最佳平衡点。 - 放大 Batch Size:当前受限于 16G 显存只能跑
[4, 8]。等师兄的服务器协调下来后,把 Batch Size 放大到[8, 8]甚至更高。配合我调好的参数,绝对能彻底弥补 Macro 指标的差距。 - 迭代次数翻倍:依照导师建议,将
total_iter拉升到 40000 步甚至 60000 步,观察 Loss 收敛曲线。
附:修改后的部分yaml配置文件
```yml
data_cfg:
dataset_name: Scoliosis1K
# 注意:ScoNet 必须吃剪影数据 (sil),千万别指成骨架 (pose)
dataset_root: /home/moontcha/projects/OpenGait-master/datasets/Scoliosis1K-sil-pkl/Scoliosis1K-pkl
# 采用 1:1:2 的官方划分,缓解极度不平衡导致的模型摆烂
dataset_partition: /home/moontcha/projects/OpenGait-master/datasets/Scoliosis1K/Scoliosis1K_112.json
num_workers: 0 # WSL 环境下防数据加载死锁
remove_no_gallery: false
test_dataset_name: Scoliosis1K
test_batch_size: 1
evaluator_cfg:
enable_float16: true
restore_ckpt_strict: true
restore_hint: 20000
save_name: ScoNet
eval_func: evaluate_scoliosis
sampler:
batch_shuffle: false
batch_size: 1
sample_type: all_ordered
transform:
- type: BaseSilCuttingTransform
loss_cfg:
# 多任务学习:三元组损失(身份识别)
- loss_term_weight: 1.0
margin: 0.2
type: TripletLoss
log_prefix: triplet
# 多任务学习:交叉熵损失(侧弯分类)
- loss_term_weight: 1.0
scale: 16 # 极其关键!放大分类惩罚,强迫模型学习少数类(侧弯患者)
type: CrossEntropyLoss
log_prefix: softmax
log_accuracy: true
model_cfg:
model: ScoNet
backbone_cfg:
type: ResNet9
block: BasicBlock
channels: [64, 128, 256, 512]
layers: [1, 1, 1, 1]
strides:
- 1
- 2
- 1 # 关键修改:减少一次下采样,保证特征图高度能切出 16 份
- 1
maxpool: false
SeparateFCs:
in_channels: 512
out_channels: 256
parts_num: 16
SeparateBNNecks:
class_num: 3
in_channels: 256
parts_num: 16
bin_num: [16, 8, 4, 2, 1] # 多尺度切分,不可阉割
optimizer_cfg:
lr: 0.01 # 从 0.1 降下来,适配小 Batch Size 防梯度爆炸
momentum: 0.9
solver: SGD
weight_decay: 0.0005
scheduler_cfg:
gamma: 0.1
milestones: [20000, 28000, 36000] # 随 total_iter 翻倍而调整
scheduler: MultiStepLR
trainer_cfg:
enable_float16: true
fix_BN: false
with_test: false
log_iter: 100
restore_ckpt_strict: true
restore_hint: 0
save_iter: 5000
save_name: ScoNet
sync_BN: true
total_iter: 40000 # 步数翻倍,保证与论文训练样本量对齐
sampler:
batch_shuffle: true
batch_size:
- 4 # 本地 16G 显存的安全上限
- 8
frames_num_fixed: 30
sample_type: fixed_unordered
type: TripletSampler
transform:
- type: BaseSilCuttingTransform
```