# Sybil Training Parameters

### Train Sybil on NLST

```sh 

python train.py \

    --dataset nlst \

    --batch_size 3  \

    --gpus 8 \

    --precision 16 \

    --max_followup 6 \

    --img_file_type png \

    --min_num_images 0 \

    --num_images 200 \

    --use_only_thin_cuts_for_ct \

    --slice_thickness_filter 2.5 \

    --resample_pixel_spacing_prob 0.5 \

    --use_annotations \

    --region_annotations_filepath /path/to/annot_dir/annotations_122020.json \

    --img_mean 128.1722 \

    --img_std 87.1849 \

    --img_size 256 256 \

    --num_chan 3 \

    --limit_train_batches 0.5 \

    --limit_val_batches 1.0 \

    --max_epochs 10 \

    --init_lr 3e-5 \

    --lr_decay 0.1 \

    --weight_decay 1e-2 \

    --momentum 0.9 \

    --dropout 0.1 \

    --optimizer adam \

    --patience 5 \

    --tuning_metric c_index \

    --num_workers 3 \

    --profiler simple \

    --num_sanity_val_steps 0 \

    --save_dir /path/to/model_dir/sybil1 \

    --img_dir /path/to/img_dir/nlst-ct-png \

    --results_path /path/to/results_dir/sybil.results \

    --cache_path /path/to/cache_dir \

    > /path/to/log_dir/sybil.txt 2>&1 

```