最近一直在学pytorch，copy了几个经典的入门问题。现在作一下总结。
首先，做的小项目主要有
分类问题：Mnist手写体识别、FashionMnist识别、猫狗大战
语义分割：Unet分割肝脏图像、遥感图像
先把语义分割的心得总结一下，目前只是一部分，以后还会随着学习的深入慢慢往里面加新的感悟。
1）对于二分类问题
1. Unet输出channel：对于二分类问题，类别数为2，channel为1，用uint8的单通道灰度图像表示类别就行（0/1）。
2. label是单通道灰度图像，直接读取。
3. 损失函数：nn.sigmoid + nn.BCELoss / nn.BCEWithLogitsLoss
2）对于多分类问题
1. Unet输出channel： 输出channel是类别数。
2. label是单通道的灰度图像，用不同的灰度级表示不同的类别。具体操作是先在data的类中_get_item_方法里将label进行one hot编码读取（即多通道图片，一个通道一个类别），然后输入Unet进行训练。此时得到的模型输出应该也是one hot编码格式，最后用argmax把多通道图片转换成单通道图片（不同灰度级表示不同类别）。
3. 损失函数：nn.CrossEntorpyLoss来计算。
4. 此外，这种多分类的方法有时候精度相对不高，可以转化成多个二分类问题，最后合成在一起。