涉及到两个文件：train_multi_fundus.py和genda_net.py
其中train_multi_fundus.py涉及到所有使用了sigmoid函数的位置（ctl + f查找所有sigmoid）
genda_net.py涉及到第51行左右，也就是模型最后输出预测seg_pred的final操作
冲突之处在于，根据train_multi_fundus.py文件，由于使用了很多sigmoid函数，可以推断出训练代码是假设
模型输出的是属于某一概率的logit图，并没有经过softmax2d函数进行通道维度的softmax
但是根据模型代码，final()操作中却有softmax2d函数，也就是说模型输出的实际是某个像素属于某一类别的概率值
这样的冲突会引起很严重的后果
因为如果模型返回的是概率值（一定非负），然后经过sigmoid函数后，输出的值：1. 一定在[0.5,1]之间 2. 值比较小且一定小于
1 / （1+e-1），这个值大概是0.73，而这个值一定小于train_multi_fundus.py中的0.75(在71行左右)，所以pred_val一定是0，
那么输出的预测图就一定是全黑的
所以，最方便且一定要做的修改是，将genda_net.py的第51行：
self.final = nn.Sequential(nn.Conv2d(filters[0], self.num_classes, kernel_size=1), nn.Softmax2d())
修改为
self.final = nn.Conv2d(filters[0], self.num_classes, kernel_size=1)
这样才能正确运行
涉及到两个文件：train_multi_fundus.py和genda_net.py
其中train_multi_fundus.py涉及到所有使用了sigmoid函数的位置（ctl + f查找所有sigmoid）
genda_net.py涉及到第51行左右，也就是模型最后输出预测seg_pred的final操作
冲突之处在于，根据train_multi_fundus.py文件，由于使用了很多sigmoid函数，可以推断出训练代码是假设
模型输出的是属于某一概率的logit图，并没有经过softmax2d函数进行通道维度的softmax
但是根据模型代码，final()操作中却有softmax2d函数，也就是说模型输出的实际是某个像素属于某一类别的概率值
这样的冲突会引起很严重的后果
因为如果模型返回的是概率值（一定非负），然后经过sigmoid函数后，输出的值：1. 一定在[0.5,1]之间 2. 值比较小且一定小于
1 / （1+e-1），这个值大概是0.73，而这个值一定小于train_multi_fundus.py中的0.75(在71行左右)，所以pred_val一定是0，
那么输出的预测图就一定是全黑的
所以，最方便且一定要做的修改是，将genda_net.py的第51行：
self.final = nn.Sequential(nn.Conv2d(filters[0], self.num_classes, kernel_size=1), nn.Softmax2d())
修改为
self.final = nn.Conv2d(filters[0], self.num_classes, kernel_size=1)
这样才能正确运行