10.11日志___FCN

目录：
1、数据集文件夹的\data\oxford-iiit-pet，各个文件夹的功能
2、代码讲解
3、FCN和CNN对比
4、FCN中大致讲解

1、数据集用的是\day07FCN\pet_subset，是\day07FCN\data的子集，这里讲解数据集文件夹的\day07FCN\data\oxford-iiit-pet各个文件夹的功能

其中的标签值y，也就是trimap_2.png为什么是纯黑色的？

2、代码讲解

原本用的这个模型，原本模型在CPU 上每轮约 20 分钟!
FCN 通常指基于 ResNet-50 等骨干网络的经典全卷积网络。
LRASPP 则特指 Lite R-ASPP 网络，它用 MobileNetV3-Large 作为骨干，比经典 FCN 更轻量，适合移动端或边缘设备

3、FCN和CNN对比

用这个代码，生成day06那样的classMyModel,这个模型里的具体代码步骤展示出来，跟上面的一样

from torchvision.models.segmentation import fcn_resnet50, FCN_ResNet50_Weights

# LRASPP是轻量化分割网络(主干MobileNetV3)，同样是全卷积：末端用1x1卷积分类，再上采样回原图
model=fcn_resnet50(weights=FCN_ResNet50_Weights.DEFAULT）#预训练FCN74
model.classifier[4] = nn.Conv2d(512,3, kernel_size=1)#主分类头换成3类755-
model.aux_classifier[4]=nn.Conv2d（256，3，kernel_size=1）#辅助分类头也换成3类      

4、FCN中大致讲解

fcn_pet.py:101 里的 output["out"] 形状是 (N, 3, 224, 224)：每个像素对应 3 个类别分数（logits），是任意实数（比如 -2.3, 0.7, 5.1），没有归一化、也没有上下界。CrossEntropyLoss 内部自带 softmax，直接拿这些分数和 y 算损失即可。
argmax 之后的预测结果 —— 又回到只有 0/1/2
Softmax：把得分变成概率（用于计算损失）。Argmax：把概率变成类别编号（用于计算准确率）。这段代码：通过 Argmax 得到预测类别图，然后和真实标签逐个像素对比，统计预测正确的像素数量，最终算出准确率。