本篇讲解 nnU-Net v2 中 network architecture 与 plans 的关系、Trainer 覆盖路线、proper planner 路线和官方 ResEnc presets。

本篇讲解 nnU-Net v2 默认 data augmentation、医学图像增强风险，以及如何通过 Trainer 调整 mirror 和 foreground oversampling。

本篇讲解 nnU-Net v2 默认 Dice+CE / Dice+BCE loss、deep supervision，以及如何在自定义 Trainer 中覆盖 _build_loss。

本篇从自定义 Trainer 开始，演示如何继承 nnUNetTrainer、覆盖优化器配置，并用 -tr 调用自己的 Trainer。

本篇建立 nnU-Net v2 内部框架地图，解释 fingerprint、plans、preprocessing、Trainer 和 Predictor 如何串起来。

本篇讲解 nnUNetv2_predict、保存 probabilities、ensemble、postprocessing，以及用官方评估入口计算 Dice。

本篇讲解如何用 nnUNetv2_find_best_configuration 比较不同配置、ensemble 和 postprocessing，并读取最终推理命令。

本篇拆解 nnU-Net v2 训练阶段：fold、configuration、checkpoint、validation、progress.png、–npz 和设备选择。

本篇串起 nnU-Net v2 的第一个完整闭环：数据检查、实验规划、预处理、训练一个 fold，以及用训练配置执行预测。

本篇手把手讲清 nnU-Net v2 数据集目录、case id、通道编号、标签命名和 dataset.json 的最小可用写法。