关于医疗影像分割求torch.softmax(z_ul, 1).max(dim=1)

最近在做一些有关医疗影像分割的工作，常常见到先对预测结果进行softmax再进行max的操作，之前一直没有深入理解，最近经过多次测试，找出其这样做的目的。

先说softmax，对于dim=1，说明是固定了第一维，例如数组[2,3,4]

其求的便是按照[0,0,0][0,1,0][0,2,0]的索引进行之后的运算操作，即

其实在求分割的时候，dim=1意味着什么？意味着不同的channel，而channel代表所属的类别是什么，例如channel1代表肺部，channel2代表肝脏，其实此处求Softmax就是为了求预测结果属于某个脏器的概率。

而对于之后的max(dim=1).

首先解释一下，对于求max，索引恰好相反，对于dim=1,则是在固定dim=0,2的前提下求最大值，如此来说，dim=1则可以视作求哪个channel的概率最大，也就是该体素属于那种器官的概率最大，并且，最终max回返回一个索引，也就是哪个channel的概率最大，这样返回的结果就是0，1，2...，可以直接视为分割结果了！