Размер видео: 1280 X 720853 X 480640 X 360
Показать панель управления
Автовоспроизведение
Автоповтор
非常感謝老師詳細又清楚的講解，以前自己看文章跟sample code都一知半解
@@Andy__Lee 感謝喜歡❤️歡迎follow我們以獲得更多資訊！
老師好深入的講解，感謝你
@@簡水豪 感謝喜歡❤️歡迎follow我們以獲得更多資訊！
老师你好，我跟着你的教学已经可以完成单分类的任务了，但是在后续做多分类的任务的时候，训练完的模型预测都是全黑的，老师可以讲一下多分类的实现吗？
@@驭恒殷 如果是多元類別的分割的話，在Y的Mask上就要有好多不同類別的標記，然後最後一層的 BCELoss 要改成 CrossEntropyLoss 即可～
@@stancode7228 已经顺利解决了，谢谢老师，顺便提一下多分类在预测时需要调用torch.argmax(out, dim=1)而不是使用sigmoid
想請問老師要應用在U-net中的資料集，需要每張圖片的resolution都一樣嗎?
@@yun8495 一張影像 X 跟他對應的 Mask Y 最好一樣比較不會在縮放的時候跑掉。但每張 X 之間可以不一樣，因為可以統一縮放到同樣大小喔
@stancode7228 您好，不曉得我是否理解正確，意思是原始訓練圖檔每張尺寸大小（像素值長*寬）不同，依然可以順利進行Unet架構訓練，也不會造成輸出圖檔失真嗎？
@ 是的，因為我們在訓練前，都會使用 torchvision.transform.Resize 去確保每張影像寬高一至
非常感謝老師詳細又清楚的講解，以前自己看文章跟sample code都一知半解
@@Andy__Lee 感謝喜歡❤️歡迎follow我們以獲得更多資訊！
老師好深入的講解，感謝你
@@簡水豪 感謝喜歡❤️歡迎follow我們以獲得更多資訊！
老师你好，我跟着你的教学已经可以完成单分类的任务了，但是在后续做多分类的任务的时候，训练完的模型预测都是全黑的，老师可以讲一下多分类的实现吗？
@@驭恒殷 如果是多元類別的分割的話，在Y的Mask上就要有好多不同類別的標記，然後最後一層的 BCELoss 要改成 CrossEntropyLoss 即可～
@@stancode7228 已经顺利解决了，谢谢老师，顺便提一下多分类在预测时需要调用torch.argmax(out, dim=1)而不是使用sigmoid
想請問老師要應用在U-net中的資料集，需要每張圖片的resolution都一樣嗎?
@@yun8495 一張影像 X 跟他對應的 Mask Y 最好一樣比較不會在縮放的時候跑掉。但每張 X 之間可以不一樣，因為可以統一縮放到同樣大小喔
@stancode7228
您好，不曉得我是否理解正確，意思是原始訓練圖檔每張尺寸大小（像素值長*寬）不同，依然可以順利進行Unet架構訓練，也不會造成輸出圖檔失真嗎？
@ 是的，因為我們在訓練前，都會使用 torchvision.transform.Resize 去確保每張影像寬高一至