因为产生的二进制序列一般来说不是一个，这样是为了下面更好的交叉操作。并且，多个二进制序列也有利于找到最优的解。

因为，label = 1有一个，label = 0 有两个，所以1的样本较少，这里就对label = 1设置权重大点。所以，loss = -(ln0.69+ln0.3543+ln0.5987)/3 = -（ln0.1464） / 3 = 0.6406。所以，在样本不均衡的情况下，加label少的样本，w加大，可以将loss变大，从而梯度下降的时候可以更好的弥补样本不平衡的问题。可以发现，label

根据VOC标注的xml文件生成YOLO格式的txt文件，且生成yolo需要的类别txt文件

本文为基于yolo标注的txt文件的目标检测数据集的可视化

conda 新建虚拟环境，并且利用pycharm载入conda的新环境

关于requirements的创建和载入，包含conda新建虚拟环境

目录1. sigmoid + BCELoss2. BCEWithLogitsLoss3. gossip本篇文章是在做图像分割任务，关于损失函数的一些内容。这里需要的损失函数是：BCEWithLogitsLoss() 就是：sigmoid + BCELoss接下来通过例子来讲解，例如图像分割的时候，网络输出的预测图像是2*2 的矩阵，这里是input这里先用sigmoid 将输出压缩到0-1之间 这