低吟浅笑

需求：语义分割有23个类别，需要删除部分类别，删除的类别不会传入loss进行计算，但是默认在loss的计算过程中，是采用one-hot编码进行，删除类别会影响one-hot编码的排序。依次要做的事儿：将忽略的类别定义为-1，建立新旧label值的映射表，通过映射表修改label的值，对其中 -1 的值进行过滤，然后生成新的one-hot编码。需要修改的地方：类别数，修改值和mask其实不是针对我们创建的tensor1，而是真实的label tensor(比如维度为 1xn)，根据映射表和mask就.

问题描述：因为使用高版本的torch，导致torch.utils.ffi被弃用。但是，高版本的torch并未对wrap_function进行重写(供大家直接调用)，最稳妥的方法是降低torch的版本，降低到0.4.0。但是降低到0.4.0，cuda的版本也要改变，很麻烦。大家可以试试这个，不行的话，再考虑通过conda建立虚拟环境降低版本。解决措施：I solved by adding the source code of torch.utils.ffi to my project without ch

ResNet网络预训练模型链接：https://pan.baidu.com/s/1LmsmRzUh5p6wbJL6sx-iqg提取码：d5t5

深度学习的性能较为依赖数据增强，常见的数据增强包括：裁剪、翻转、旋转、图像变换等。本文主要包括三个部分，一部分具体描述数据增强的常见方法和函数，二部分具体描述image和label的同样变化和简单的实现，三部分主要是针对多张图片进行同样变化，进行n倍的数据扩充。第一部分：理论讲解...