Sybil Training Parameters Train Sybil on NLST 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