_, cd_preds1 = torch.max(cd_preds, 1)

[yiyi-today]

您好，我对您的论文非常感兴趣。由于我刚入门，在理解计算预测图时遇到了一些问题，如标题，cd_preds是模型处理得到的结果，cd_preds的维度是[1(B), 2(C), 256(H), 256(W)]，torch.max(cd_preds, 1)是取cd_preds在维度【2(C)】上的最大值，得到了维度为[1,256,256]最大值_和索引号（非0即1）cd_preds1，并将cd_preds1作为最终的预测结果。请问上述我的解析正确吗？cd_preds1作为最终的预测结果的依据是什么？非常希望得到您的回答，谢谢！

[likyoo]

您好，您的描述的正确的。 因为目标任务是一个二分类任务，所以我们的输出维度是[1(B), 2(C), 256(H), 256(W)] （当然也可以是[1(B), 1(C), 256(H), 256(W)] 。其中，每一个位置上的两个值代表对两种类别的预测值。在训练过程中，后面会接一个softmax + ce_loss。在预测过程中，这个softmax可以直接省略掉。这是很常见的设置和用法。

[yiyi-today]

您好，您的描述的正确的。 因为目标任务是一个二分类任务，所以我们的输出维度是[1(B), 2(C), 256(H), 256(W)] （当然也可以是[1(B), 1(C), 256(H), 256(W)] 。其中，每一个位置上的两个值代表对两种类别的预测值。在训练过程中，后面会接一个softmax + ce_loss。在预测过程中，这个softmax可以直接省略掉。这是很常见的设置和用法。

您好，非常感谢您的及时回答。也就是说，在做二分类时，只要CNN网络的输出维度是[1(B), 2(C), 256(H), 256(W)] ，在通道【2(C)】中每一个位置代表对两种类别的预测值；当CNN网络的输出维度是[1(B), 1(C), 256(H), 256(W)] ，取一个阈值可以决定是否变化。请问输出通道选择2(C)或者1(C)有什么区别吗？

[likyoo]

就操作来说，损失函数前的非线性函数有所区别，softmax或者sigmoid。 至于优缺点的话，相关的分析也不少，您可以查找一下。

[yiyi-today]

就操作来说，损失函数前的非线性函数有所区别，softmax或者sigmoid。 至于优缺点的话，相关的分析也不少，您可以查找一下。

谢谢，非常感谢您的回答，祝您生活愉快！