形式1：输出为单通道

分析

即网络的输出 output 为 [batch_size, 1, height, width] 形状。其中 batch_szie 为批量大小，1 表示输出一个通道，height 和 width 与输入图像的高和宽保持一致。

在训练时，输出通道数是 1，网络得到的 output 包含的数值是任意的数。给定的 target ，是一个单通道标签图，数值只有 0 和 1 这两种。为了让网络输出 output 不断逼近这个标签，首先会让 output 经过一个sigmoid 函数，使其数值归一化到[0, 1]，得到 output1 ，然后让这个 output1 与 target 进行交叉熵计算，得到损失值，反向传播更新网路权重。最终，网络经过学习，会使得 output1 逼近target。

训练结束后，网络已经具备让输出的 output 经过转换从而逼近 target 的能力。首先将输出的 output 通过sigmoid 函数，然后取一个阈值(一般设置为0.5)，大于阈值则取1反之则取0，从而得到预测图 predict。后续则是一些评估相关的计算。

代码实现

在这个过程中，训练的损失函数为二进制交叉熵损失函数，然后根据输出是否用到了sigmoid有两种可选的pytorch实现方式：

output = net(input) # net的最后一层没有使用sigmoid

loss_func1 = torch.nn.BCEWithLogitsLoss()

loss = loss_func1(output, target)

当网络最后一层没有使用sigmoid时，需要使用 torch.nn.BCEWithLogitsLoss() ，顾名思义，在这个函数中，拿到output首先会做一个sigmoid操作，再进行二进制交叉熵计算。上面的操作等价于

output = net(input) # net的最后一层没有使用sigmoid

output = F.sigmoid(output)

loss_func1 = torch.nn.BCEWithLoss()

loss = loss_func1(output, target)

当然，你也可以在网络最后一层加上sigmoid操作。从而省去第二行的代码(在预测时也可以省去)。

在预测试时，可用下面的代码实现预测图的生成

output = net(input) # net的最后一层没有使用sigmoid

output = F.sigmoid(output)

predict = torch.where(output>0.5,torch.ones_like(output),torch.zeros_like(output))

...

即大于0.5的记为1，小于0.5记为0。

形式2：输出为多通道

分析

即网络的输出 output 为 [batch_size, num_class, height, width] 形状。其中 batch_szie 为批量大小，num_class 表示输出的通道数与分类数量一致，height 和 width 与输入图像的高和宽保持一致。

在训练时，输出通道数是 num_class(这里取2)，网络得到的 output 包含的数值是任意的数。给定的 target ，是一个单通道标签图，数值只有 0 和 1 这两种。为了让网络输出 output 不断逼近这个标签，首先会让 output 经过一个 softmax 函数，使其数值归一化到[0, 1]，得到 output1 ，在各通道中，这个数值加起来会等于1。对于target 他是一个单通道图，首先使用onehot编码，转换成 num_class个通道的图像，每个通道中的取值是根据单通道中的取值计算出来的，例如单通道中的第一个像素取值为1(0<= 1 <=num_class-1，这里num_class=2)，那么onehot编码后，在第一个像素的位置上，两个通道的取值分别为0，1。也就是说像素的取值决定了对应序号的通道取1，其他的通道取0，这个非常关键。上面的操作执行完后得到target1，让这个 output1 与 target1 进行交叉熵计算，得到损失值，反向传播更新网路权重。最终，网络经过学习，会使得 output1 逼近target1(在各通道层面上)。

训练结束后，网络已经具备让输出的 output 经过转换从而逼近 target 的能力。计算 output 中各通道每一个像素位置上，取值最大的那个对应的通道序号，从而得到预测图 predict。后续则是一些评估相关的计算。

代码实现

在这个过程中，则可以使用交叉熵损失函数：

output = net(input) # net的最后一层没有使用sigmoid

loss_func = torch.nn.CrossEntropyLoss()

loss = loss_func(output, target)

根据前面的分析，我们知道，正常的output是 [batch_size, num_class, height, width]形状的，而target是[batch_size, height, width]形状的，需要按照上面的分析进行转换才可以计算交叉熵，而在pytorch中，我们不需要进一步做这个处理，直接使用就可以了。

在预测试时，使用下面的代码实现预测图的生成

output = net(input) # net的最后一层没有使用sigmoid

predict = output.argmax(dim=1)

...

即得到输出后，在通道方向上找出最大值所在的索引号。

小结

总的来说，我觉得第二种方式更值得推广，一方面不用考虑阈值的选取问题；另一方面，该方法同样适用于多类别的语义分割任务，通用性更强。

参考资料