lane_net代码学习

Lane-Net 代码重点结构：

lanenet模型前端——提取特征
lanenet模型后端——计算 语义分割、二进制分割时的Loss
语义分割的模型运用基于vgg16的fcn conv*5+deconv*5

• Python语法相关：

tf.decode_raw
将原来编码为字符串类型的变量，重新恢复回来。例如我们写进tfrecords源文件中的数据类型必须是to_bytes，也就是字符串类型。解析数据时必须解析回原始数据的类型。
axis
如果是二维矩阵，axis=0是沿纵轴方向进行计算，如果axis=1是沿横轴方向进行计算。axis=-1是沿axis轴最大数进行计算。如果是多维矩阵，axis=i，沿i轴变化方向进行计算。
（0，0,1）的含义：第一个0是维度，即第几个矩阵，剩下的（0,1）是指第0行第1列。
具体参照链接：
https://blog.youkuaiyun.com/fangjian1204/article/details/53055219
tf.unique_with_counts

y:去掉重复元素之后的张量
idx:新张量中的元素在原张量中的索引（全部索引）
count：每类索引对应的个数
三者类型均为tensor
该句语法的意义在于——确定分割的实例数量

tf.size
张量大小，如x——>([3,3,3],[3,3,3],[4,4,4]) output=9

tf.gather