RootNav 2 est un outil en ligne de commande pour la segmentation et l'analyse des architectures racines en 2D. RootNav 2 est toujours maintenu, veuillez nous contacter si quelque chose ne fonctionne pas pour vous.
Nous continuons à mettre à jour RootNav 2 pour rendre son utilisation et la formation de nouveaux modèles aussi simples que possible. Les nouvelles mises à jour incluent :
--debug lors de l'entraînement ou de l'analyse d'images pour voir beaucoup plus de détails sur ce qui se passePour installer et exécuter rootnav, vous aurez besoin des éléments suivants :
Si vous souhaitez former vos propres modèles, vous aurez également besoin de :
Les instructions suivantes supposent que vous avez installé Python et que vous disposez d'un matériel compatible si nécessaire. Si vous ne savez pas comment installer Python, nous vous recommandons d'utiliser Anaconda, qui peut être téléchargé ici.
Vous devrez d'abord télécharger le code, soit sous forme de zip ci-dessus, soit en clonant le dépôt git (recommandé) :
git clone https://github.com/robail-yasrab/RootNav-2.0.git
Pytorch est responsable de l'apprentissage profond qui s'exécute au sein de l'outil Rootnav, à la fois pendant l'inférence et la formation. Pytorch est mis à jour régulièrement et nous vous recommandons désormais de l'installer en suivant les instructions sur le site Web de pytorch.
Les dépendances restantes peuvent être installées à l'aide des fichiers d'exigences dans les répertoires d'inférence ou de formation. Si vous utilisez pip, les éléments suivants fonctionneront sous Linux :
cd RootNav-2.0/inference
pip install -r requirements.txt
Vous pouvez effectuer la même chose dans le répertoire de formation, si vous devez former de nouveaux modèles à l'aide de RootNav. La prise en charge des bibliothèques dans d'autres systèmes d'exploitation est plus complexe et, comme ci-dessus, nous vous recommandons d'utiliser Anaconda. Vous constaterez peut-être qu'Anaconda est également le plus simple sous Linux.
La majorité des utilisateurs souhaiteront exécuter RootNav 2.0 sur de nouvelles images, auquel cas tout le code dont vous avez besoin se trouve dans le dossier inference . Vous pouvez trouver plus d’instructions dans le fichier README d’inférence.
Le code de formation se trouve dans le dossier de formation. Les instructions sur les modèles de formation sont données dans le README de formation. Si vous souhaitez collaborer au développement de nouveaux modèles pour RootNav 2.0, veuillez nous contacter.
Rootnav 2 est publié dans GigaScience. Pour toute demande de renseignements, veuillez contacter [email protected].
[1] Yasrab, R., Atkinson, JA, Wells, DM, French, AP, Pridmore, TP et Pound, MP (2019), RootNav 2.0 : Apprentissage profond pour la navigation automatique d'architectures complexes de racines de plantes, GigaScience, 8( 11), giz123.
