复现：
1.从GitHub下载源码以后，按照README 配置U-net的环境。
这里给出GitHub源码链接：pytorch Unet
配置环境
requirements.txt文件在源码文件里
2.配置完成后进行训练，但是我们没有数据集
解决方法：
用来测试汽车数据集
提取码：upb3
自己制作数据集的需要注意，放在data里的imgs和masks，注意image文件命名如果是1.+后缀，对应mask文件就需要是1._mask+后缀。(网盘给出的数据集已经满足要求，直接放在对应imgs和masks目录下即可)
3.在train.py文件中修改
修改channel，如果是RGB图像，channel=3，如果是灰度图，channel=1；
修改classes，就是背景+你的数据集里有几个类别；比如我给的那个数据集有汽车和背景两个类，那么classes=2
修改参数
4.开始训练
python train.py
可以自己调整训练参数
训练图
训练完成，模型会保存在checkpoints路径下
5.进行预测
在predict.py文件，修改参数，注意路径问题，下图所示default参数里 前面还要加上/checkpoints
修改路径
将需要预测的图片放到主目录里，
-i 是指定预测的照片 其他参数可以自己看get_args部分
python predict.py -i 1.jpg -o output.jpg
预测效果
