yiyi-today

你好，我也遇到这个问题，我不能理解为什么要对label这样操作，请问你能告诉我吗？谢谢！

> hi same problem.did you solve this problem?.if so ,how do you solve it ?.thank you . Regardless of validation or test, keep (opt.phase = 'val') in val.py. You can...

> 我是先离线裁剪256x256（overlap=0），然后在线随机裁剪128，不然会爆显存 > […](#) > ------------------ 原始邮件 ------------------ 发件人: "justchenhao/STANet" ***@***.***>; 发送时间: 2021年4月23日(星期五) 下午4:21 ***@***.***>; ***@***.******@***.***>; 主题: Re: [justchenhao/STANet] 请问您的gpu是多大的，总是会爆下面的错误 (#50) 我后来batch改成4，可以姿训练了，按照ds=1，效果就好很多了 你达到了论文精度了吗？ 只有0.739，你呢 大家可以crop_size和load_size都改成128，或者对图片切割数据增强，ds=1，batchasize=8，基本能复现论文精度，大概BAM到0.84，PAM到0.85 你是训练前把图片事先裁成128吗？还是按官网在程序中随机裁剪固定大小128？ — You are receiving this because you commented....

Thanks for your answer!

> 您好，您的描述的正确的。 因为目标任务是一个二分类任务，所以我们的输出维度是[1(B), 2(C), 256(H), 256(W)] （当然也可以是[1(B), 1(C), 256(H), 256(W)] 。其中，每一个位置上的两个值代表对两种类别的`预测值`。在训练过程中，后面会接一个softmax + ce_loss。在预测过程中，这个softmax可以直接省略掉。这是很常见的设置和用法。 您好，非常感谢您的及时回答。也就是说，在做二分类时，只要CNN网络的输出维度是[1(B), 2(C), 256(H), 256(W)] ，在通道【2(C)】中每一个位置代表对两种类别的预测值；当CNN网络的输出维度是[1(B), 1(C), 256(H), 256(W)] ，取一个阈值可以决定是否变化。请问输出通道选择2(C)或者1(C)有什么区别吗？

> 就操作来说，损失函数前的非线性函数有所区别，softmax或者sigmoid。 至于优缺点的话，相关的分析也不少，您可以查找一下。 谢谢，非常感谢您的回答，祝您生活愉快！

> 1. I think it's a typo, or maybe it doesn't matter. > 2. Q_u is a pixel vector in spatial position u with shape [b, c', 1, 1], so...

Thanks a lot for your answer. I still have the following doubts: 1) Following the link you gave, FLOPs = 2 * MACs, right? 2) In addition, I read some...