unet模型训练
本文由 简悦 SimpRead 转码， 原文地址 cuijiahua.com
本文进行实战学习，针对医学图像分割任务，讲解了训练模型的三个步骤：数据加载、模型选择、算法选择。.
摘要
本文进行实战学习，针对医学图像分割任务，讲解了训练模型的三个步骤：数据加载、模型选择、算法选择。
一、前言本文属于 Pytorch 深度学习语义分割系列教程。
该系列文章的内容有：
Pytorch 的基本使用
语义分割算法讲解
PS：文中出现的所有代码，均可在我的 github 上下载，欢迎 Follow、Star：点击查看
二、项目背景深度学习算法，无非就是我们解决一个问题的方法。选择什么样的网络去训练，进行什么样的预处理，采用什么 Loss 和优化方法，都是根据具体的任务而定的。
所以，让我们先看一下今天的任务。
没错，就是 UNet 论文中的经典任务：医学图像分割。
选择它作为今天的任务，就是因为简单，好上手。
简单描述一个这个任务：如动图所示，给一张细胞结构图，我们要把每个细胞互相分割开来。
这个训练数据只有 30 张，分辨率为 512x512，这些图片是果蝇的电镜图。
好了，任务 ...
Hello World
Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub.
Quick StartCreate a new post1$ hexo new "My New Post"
More info: Writing
Run server1$ hexo server
More info: Server
Generate static files1$ hexo generate
More info: Generating
Deploy to remote sites1$ hexo deploy
More info: Deployment