触ってみました。（with @Selene-Misso ）

#前提

Nvidia-Dockerが必要です。

#手順

上のリンクのページにある通りに実行していくだけです。

最初にテストデータやモデル、予測結果などを保存する場所を作ります。

mkdir -p input output

訓練済みのモデルを利用するために使うサーバーのために、dockerのネットワーク（例えばclaranetという名称にします）を作ります。

docker network create claranet

訓練済みのモデルをダウンロードします。

mkdir -p models
 docker run -it --rm -u $UID:$UID -v $(pwd):/data --entrypoint "" nvcr.io/nvidia/clara-ai:0.1.2 bash -c 'rsync -a --info=progress2 /models /data'

テストに使う画像をダウンロードします。

 # Download 'input/test' folder from the internet.
 mkdir -p input/test
 wget -q https://www.dropbox.com/s/5fk0m9v12if5da9/dense_vnet_abdominal_ct_model_zoo_data.tar.gz?dl=1 -O - | tar xvz -C input/test
 rm input/test/100_Label.nii # Remove unnecessary label image.

簡便にテストするために、TRITISというサーバコンテナをDocker上で起動します。

nvidia-docker run -it --rm -d \
 --shm-size=1g \
 --ulimit memlock=-1 \
 --ulimit stack=67108864 \
 --name trtis \
 --network claranet \
 -p 8000:8000 \
 -v `pwd`/models/v_net:/models/v_net \
 nvcr.io/nvidia/tensorrtserver:18.11-py3 \
 trtserver --model-store=/models

もう一つclara-aiサーバーを立てます。（上記のサーバとどちらがアプリケーションサーバ？その辺り分かっていません。ごめんなさい。）

 nvidia-docker run -it --rm -d \
   --name ai \
   --network claranet \
   -p 5002:5002 \
   -e CIM_APP_FOLDER_NAME=custom_application_vnet \
   -e CIM_APP_SKIP_INSTALL=true \
   -v $(pwd)/input:/ai/in \
   -v $(pwd)/output:/ai/out \
   nvcr.io/nvidia/clara-ai:0.1.2 \
   serve --input_folder=/ --output_folder=/ \
     --trtis_url=trtis:8000 --port=5002

処理実行

# .nii file is interpreted as image with LPS axis code so transpose it to ARS to match with vnet model
curl -H "Content-Type: application/json" \
-d '{"name":"test","workflow":5,"pre_axcodes":"ARS"}' \
http://localhost:5002/ai

実行したら、特にエラーがなければ、「output/test」フォルダに結果が保存されます。
今回の例では、「100_CT.seg.raw」が結果です。

raw画像データなので、(144,144)のマトリクスで、144スライス画像になっています。（isoですね）
Fiji(imagej)で開いてみます。

以上です。