关于训练时的问题。

[DevKPro]

您好，作者。 非常感谢您开源了代码。我在使用开源代码训练时遇到以下问题，恳请您解惑~

1. 我拉取了您的仓库并在本地训练，配置文件内容没有修改，除了数据集和sam权重文件的路径改为自己电脑下的路径。然后，我使用以下指令 python -m torch.distributed.launch --nnodes 1 --nproc_per_node 1 train.py 在我的WSL虚拟机上运行，然而报错显示损失函数中gt_mask的值必须为long类型，我使用类型转换解决这个报错并继续执行，随后又报另一个错误，我跟踪了相关代码，发现计算损失时传入的gt_mask是shape为（B,N,H,W）的图像，但是cross entropy传入的label不应该是(B,H,W)吗？
2. 除此之外，我还发现一个问题。在代码中，LAB目录下的文件是标签文件，应该是多类别的标签，但是我调试时发现数据加载的label只有0和255（Image.open打开后转为ndarray查看得知），在transforms.toTensor()之后自动归一化为0和1，但这样的label能够用于多类别分割吗？读取的结果跟系统查看到的数据集Lab文件有很大差异，对比图片如下所示。

以上便是我执行代码时所遇到的问题，真切希望能得到作者的解答，十分感激！ 祝生活愉快！

[xypu98]

1. 目前代码只兼容单卡，batch size=1的情况，可以直接调用python train.py ，bs=1，尝试一下是否能解决
2. 代码对数据集label的处理是先将255归一化为1，然后需要进行one hot处理，再输入训练。具体实现可参考 datasets/wrappers.py文件

[DevKPro]

1. 目前代码只兼容单卡，batch size=1的情况，可以直接调用python train.py ，bs=1，尝试一下是否能解决
2. 代码对数据集label的处理是先将255归一化为1，然后需要进行one hot处理，再输入训练。具体实现可参考 datasets/wrappers.py文件

感谢作者的回复。 在 cross entropy 计算损失部分报错可能是版本或者系统问题导致，我后来在 windows 上执行该项目代码是没有任何报错的。 另外，其他关于 label 的问题也在调试 datasets 下相关代码中得到解决。 再次感谢作者的回复，祝您生活愉快！