kaggle-unet-steel-defeat-dection（一）

问题记录

plt.imshow(train_data[3][0].permute(1, 2, 0)) 含义是什么？

先解释一下permute(1,2,0)的含义就是把原来位置排列为(0,1,2)的三个维度交换变成按照(1,2,0)排列，也就是第一个原来的第一个维度换到
第三个维度，第二个维度换到第一个维度，第三个维度换到第二个维度上。
这里一开始一直很好奇train_data怎么会有5个维度，后面知道，原来他把Msak和原来的image一起存的，所以是5个维度。
所以这里也就是取的batch_num=3的第一个image，也就是对应的image(mask对应的是[1])，再把通道交换到最后一个维度上，变成w*h*c的
形式。

self.base_layers[:3] 这是取哪一层？

这是取base_layers的前三层，分别是卷积层，bn层，relu层

model = UNet(n_class=1).cuda() 后面.cuda()是表示使用GPU的意思吗？

torch上的使用。是这个意思。

img[mask==1,0] = 255#为何含义？

这里是这样的，因为img是三维的，组织的过程是H*W*channel，所以这一句话的含义表示的就是在二维向量mask中元素值为1的点所对应的img的通道0的图上的hw位置上的元素灰度值设置为255.如果是RGB也就是变红了。

torch函数unsqueeze（para）含义

para为正整数时，就是在对应的位置增加一个维度。例如a.unsqueeze(1)。我们假设a的维度为(2,3);增加一个维度后就变成了(2,1,3)；
para为负整数时，就是在倒数对应的位置增加一个维度。例如a.unsqueeze(-1)。我们假设a的维度为(2,1,3);增加一个维度后就变成了(2,1,3,1)；
同样这里补充一个函数：squeeze(para).去掉某一个维度，只有当该维度为1时才能去掉，参数为0表示去掉所有维度为1的。