1. 数据集准备：从原始图像到mmsegmentation能吃的格式

1.1 为什么说数据集格式是mmsegmentation的第一道坎

很多人拿到mmsegmentation第一件事就是clone仓库、装环境、跑demo，然后卡在“我想训练自己的数据”这一步。这是正常的，因为mmsegmentation不像detection系列那么好糊弄——分割任务的数据集格式严格得多，一个类是文件夹也好，一张图是一个png也好，都需要按它的约定来组织。社区里有个很经典的段子：在mmsegmentation里跑通cityscapes模型的成功率是90%，但用自己数据集跑通训练流程的成功率不到50%，剩下的50%基本都死在数据集格式上。

这里先说清楚一个基本概念：mmsegmentation底层依赖mmcv和mmengine，数据加载走的是CustomDataset这个基类。它默认要求你的数据是“一图一掩膜”的结构：原始图像是RGB三通道的jpg/png，对应的标签是单通道的png（8位或16位整数），像素值就是类别ID，从0开始计数，0通常作为背景类。这个设计沿用了PASCAL VOC的经验，但比VOC更严格——VOC的label是调色板PNG，mmsegmentation直接读取像素值。

所以拿到你自己的项目时，第一步不是写网络结构，而是回答三个问题：我的图像是什么格式？我的标注是什么格式？我的类别ID怎么映射？这三个问题没想明白前，改再多config都是空转。

1.2 VOC格式和MSTAR格式的取舍，我推荐哪一种

mmsegmentation的官方文档里提到了两种常见组织方式，一种叫VOC格式，一种叫MSTAR格式（其实是很多遥感、医疗项目里默认的简单格式）。我实际用下来，强烈建议新手直接走MSTAR风格，也就是纯文件夹结构：

data/ ├── imgs/ │ ├── train/ │ │ ├── 0001.jpg │ │ ├── 0002.jpg │ ├── val/ │ │ ├── 0001.jpg ├── masks/ │ ├── train/ │ │ ├── 0001.png │ │ ├── 0002.png │ ├── val/ │ │ ├── 0001.png

它的好处是：目录结构一目了然，不需要写额外的splits文件，只需要在config里指定img_dir='imgs/train'、ann_dir='masks/train'就能跑。相比之下VOC格式还要维护train.txt、val.txt这样的索引文件，除非你有大量历史数据已经按VOC组织好了，否则没必要自找麻烦。

但要注意一个细节：MSTAR风格下，img和mask的文件名必须一一对应，也就是说imgs/train/0001.jpg的标签必须是masks/train/0001.png，多一张、少一张、后缀不一致，训练时都会报错或者产生标签错位。这种错位很隐蔽，因为mmengine的数据管道不会校验图像和标签是不是同一个场景，只会检查张量形状。我以前就吃过亏，一张翻车的mask混在数据集里，模型分割精度直接掉了两个点，还查了半天。

1.3 数据标注阶段的三个实用建议

如果你是从头标注一个新数据集，工具上首推LabelMe或者X-AnyLabeling。LabelMe是老牌选择，导出的是JSON多边形；X-AnyLabeling支持SAM辅助标注，速度会快很多，尤其做遥感或者医疗图像时，SAM的边界质量比纯手动高不少。但不管用什么工具，我有三个建议：

第一，先标10张，跑通整个训练流程，再回来批量标注。很多人一次性把几百张全标完，结果发现格式转换有问题、类别ID映射错了，全部返工，心态直接爆炸。先小批量验证格式，是控制风险最好的方式。

第二，标注的类别定义要和控制文件一致。比如你定义了“道路、建筑、车辆”三个前景类，那么像素值1、2、3分别对应这三个类，背景是0，不要用255做背景。mmsegmentation的ignore_index默认是255，可以用于标注那些“我不想参与损失计算”的区域，但不要和背景混淆。

第三，注意类别的边界问题。分割任务的本质是像素级分类，如果在标注时两个相邻物体的边界画得模棱两可，模型学到的边界就会模糊。LabelMe这类工具支持多边形吸附和顶点编辑，标注时尽量贴着物体轮廓走，宁可多花10秒钟把一个角标准了，也别图快画个大差不差的多边形。边界质量直接决定mIoU的上限。

1.4 手动转换label为单通道灰度图的操作细节

不管你用什么工具标注，最终都要转成单通道灰度PNG。以LabelMe导出的JSON为例，转换思路是：读取JSON里的形状和标签，按category列表建立ID映射，用PIL或OpenCV在多边形内填充对应的整数像素值。

import json import numpy as np import cv2 from pathlib import Path # category顺序很重要，下标就是像素值 categories = ['_background_', 'road', 'building', 'vehicle'] cls2id = {name: i for i, name in enumerate(categories)} def json2mask(json_path, img_shape=(512, 512)): with open(json_path, 'r', encoding='utf-8') as f: data = json.load(f) mask = np.zeros(img_shape, dtype=np.uint8) for shape in data['shapes']: label = shape['label'] if label not in cls2id: print(f'警告：{label} 不在类别列表中，跳过') continue points = np.array(shape['points'], dtype=np.int32) cv2.fillPoly(mask, [points], cls2id[label]) return mask # 使用示例 mask = json2mask('label.json', (512, 512)) cv2.imwrite('mask.png', mask) # 注意：cv2.imwrite保存单通道png时，会被自动压缩为灰度图，是安全的

这里有一个必须强调的坑：保存mask时，不要用matplotlib的imsave，它会自动加上colormap，存成三通道的伪彩色图；也不要用cv2.imwrite保存带调色板的PNG索引图以外的任何变体。最稳妥的方式是上面看到的，直接用OpenCV写uint8的单通道数组，文件后缀叫png就行。训练前务必做一次像素值分布检查：

import numpy as np mask = np.array(Image.open('mask.png')) print(np.unique(mask)) # 期望输出：[0 1 2 3]，如果出现[0 1 255]这种，说明格式有问题

2. Config文件修改：不复制粘贴，理解之后再动手

2.1 mmsegmentation的config体系是怎样分层的

mmsegmentation的config不是一个大而全的文件，而是分层组合的。拿pspnet_r50为例，它对应的config会继承一份自_base_目录下的四类基础配置：数据集配置、模型配置、训练策略配置、运行时配置。这个设计和mmdetection一脉相承，好处是公用部分不用重复写、不会被改乱；坏处是新手很难一眼看出“到底哪个文件决定了我当前的训练行为”。

我建议你拿到一个官方的cityscapes config之后，第一步先跑一下python tools/print_config.py 你的config.py，它会把继承展开之后的所有配置完整打印出来。这个命令非常重要，它能让你看到所有继承关系被解析后的完整config，避免你在层层继承里迷路。而且每次改过config后都值得重新打印一遍，确认改动生效了。

实际项目里，我不建议像官方那样搞太多层继承。最多两层就够了：一层是基础数据集配置，一层是你当前实验的专属配置。层级太多时，调一个学习率要打开三个文件，心智负担太重，还容易改错。

2.2 data配置：dataset_type、data_root、img_dir和ann_dir

config改动里最核心的是dataset_type和data这两个字段。先说dataset_type，很多博客会让你直接改成dataset_type = 'CustomDataset'，这个方向是对的，但有个隐含条件：如果你的数据格式是“一图一掩膜”的文件夹结构，并且类别数不与任何内置数据集一致，那么必须用CustomDataset。同时你还需要指定一个metainfo字典，把类名列表和类别颜色告诉框架，否则mmsegmentation会从默认的cityscapes类名里取，训练时类别名称会乱套。

dataset_type = 'CustomDataset' data_root = 'data/mydata/' metainfo = { 'classes': ('background', 'road', 'building', 'vehicle'), 'palette': [[0, 0, 0], [128, 0, 0], [0, 128, 0], [128, 128, 0]] } train_dataloader = dict( batch_size=4, num_workers=4, persistent_workers=True, sampler=dict(type='InfiniteSampler', shuffle=True), dataset=dict( type=dataset_type, data_root=data_root, data_prefix=dict(img_path='imgs/train', seg_map_path='masks/train'), metainfo=metainfo, pipeline=train_pipeline) )

注意这里的data_prefix字段，官方新版用了dict(img_path=..., seg_map_path=...)，旧版本的代码里可能叫img_dir和ann_dir。这两个写法都算合法，取决于你的mmsegmentation版本，2.x系列建议用data_prefix。如果遇到数据加载为空的报错，第一排查项就是data_prefix里的目录名和磁盘上的实际目录名是否完全一致。

还有一个高频问题：classes里的元组顺序必须和标注时定义的类别ID一一对应。你标注时像素值1是road，config里classes元组的第一个位置就必须是road；如果有错位，模型训练时不会报错，但预测结果的语义就全乱了，评估时的mIoU也会很难看。

2.3 model配置：num_classes和in_channels必须改对

在model字段里，最容易漏改的就是decode_head和auxiliary_head里的num_classes。你用的任何官方config，默认值都是cityscapes的19类或者ade20k的150类，不改这个参数直接训练自己的数据，框架会在构建模型时直接抛“inconsistent”之类的报错。

具体操作很简单，在config文件里加一行覆盖：

model = dict( type='EncoderDecoder', data_preprocessor=dict( type='SegDataPreProcessor', mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], bgr_to_rgb=True, pad_val=0, seg_pad_val=255), backbone=dict( type='ResNetV1c', depth=50, num_stages=4, out_indices=(0, 1, 2, 3), dilations=(1, 1, 2, 4), strides=(1, 2, 1, 1), norm_cfg=dict(type='SyncBN', requires_grad=True), norm_eval=False, style='pytorch', contract_dilation=True), decode_head=dict( type='PSPHead', in_channels=2048, in_index=3, pool_scales=(1, 2, 3, 6), channels=512, dropout_ratio=0.1, num_classes=4, # 这里必须改 norm_cfg=dict(type='SyncBN', requires_grad=True), align_corners=False, loss_decode=dict( type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0)), auxiliary_head=dict( type='FCNHead', in_channels=1024, in_index=2, channels=256, num_convs=1, concat_input=False, dropout_ratio=0.1, num_classes=4, # 这里也必须改 norm_cfg=dict(type='SyncBN', requires_grad=True), align_corners=False, loss_decode=dict( type='CrossEntropyLoss', use_sigmoid=False, loss_weight=0.4)), train_cfg=dict(), test_cfg=dict(mode='whole'))

同时要看一看backbone的in_channels。你的输入如果是普通RGB三通道图，保持默认3不用动；如果是灰度图、四通道遥感图或者带深度的图，就要改backbone里第一个卷积层的输入通道数。改法也不是直接改backbone的in_channels=1就完事，因为ResNet的第一个卷积权重是预训练好的，通道数变了，权重没法直接加载。常规做法是把预训练权重的第一个卷积层做平均，把3通道的权重复制到1通道，或者干脆不加载预训练权重、从头训练。这里提醒一下：除非数据量很大，不然从零训练ResNet50做分割，效果大概率不如用ImageNet预训练。所以数据如果不是特殊模态，建议直接三通道输入。

2.4 pipeline里的归一化参数和尺寸设置为什么不建议照搬

还有一个很容易被忽视的地方：data_preprocessor里的mean和std，官方config里默认是ImageNet统计量，即mean=[123.675, 116.28, 103.53]、std=[58.395, 57.12, 57.375]。

很多人拿着自己的数据集，尤其是在自然光条件下拍的可见光图像，会纠结要不要改成自己数据集的统计量。我的建议是：不要改。ImageNet的mean和std已经是一个非常好的分布近似，改不改对你的最终精度影响在0.5个点以内，而且改了之后如果你要用官方预训练权重，流程会更麻烦。说白了，这个参数只要保证训练和推理时一致就行，不是追求数据分布匹配的场合。

尺寸设置方面，train_pipeline里的Resize、RandomFlip、PhotoMetricDistortion都可以保留，但RandomCrop里的crop_size要根据你的显存来。比如你显卡只有11GB，crop_size设成(769, 769)对PSPNet来说非常吃力，改成(512, 512)才是务实的选择。val和test里的Resize一般设置成(512, 512)或者原图缩放到指定比例，注意保持和训练尺寸不要差太多，否则精度会波动。

3. 训练实战：从命令行到日志解读

3.1 训练前的一个关键测试：单步跑通前向

不要一上来就跑完整训练，先用一张图、一个batch、一个step验证流程。启动训练之前，我建议先跑一次完整的单步前向和反向：

python tools/train.py configs/pspnet/pspnet_r50_8xb2-40k_cityscapes-512x512.py --work-dir work_dirs/test_run

如果正常启动，你会看到模型结构、参数量、dataloader信息。这个过程也顺便验证了config里的路径都能被正确解析。我第一次跑自定义数据集时少写了一个data_prefix路径，程序没报错，但每个batch拿到的都是空数据，训练loss一直是nan，折腾了很久才定位到问题根源。

还有一个更快的验证方式，写一个小脚本直接加载数据管道：

from mmseg.datasets import build_dataset from mmengine.config import Config cfg = Config.fromfile('my_config.py') dataset = build_dataset(cfg.train_dataloader.dataset) for i in range(3): data = dataset[i] print(data['inputs'].shape, data['data_samples'][0].gt_sem_seg.data.shape)

只要能正常打出图像和mask的形状，且mask里的类别数是符合预期的，说明数据侧基本没问题，接下来训练就顺畅很多。

3.2 训练命令详解：单卡、多卡、断点续训和定时保存

正式训练的命令并不复杂，复杂的是根据自己的资源和需求组合参数。单卡训练最简单的写法：

CUDA_VISIBLE_DEVICES=0 python tools/train.py my_config.py --work-dir work_dirs/my_experiment

多卡训练用官方推荐的分布式启动器：

bash tools/dist_train.sh my_config.py 4 --work-dir work_dirs/my_experiment

后面的数字是GPU卡数。多卡时注意，如果你的config里没有设置sampler=dict(type='InfiniteSampler', shuffle=True)，mmengine的DistributedSampler会自动处理数据切分，不需要手动管shuffle。

训练过程中最常用的两个参数是--resume和--cfg-options。前者用于断点续训，比如：

python tools/train.py my_config.py --resume work_dirs/my_experiment/iter_10000.pth

后者用于临时覆盖config参数，这在跑消融实验时非常高效，不需要改文件：

python tools/train.py my_config.py --cfg-options optimizer.lr=0.01 model.decode_head.num_classes=4

我一般会额外设置default_hooks.checkpoint.interval=2000，也就是每2000个迭代存一次权重。默认值是4000，如果中途崩了，最多可能丢4000个迭代的进度，对长时间训练来说不太划算。

3.3 训练过程中必须盯着哪些指标：loss为什么是nan，mIoU为什么不动

训练日志里至少要看四个东西：loss、decode.loss_ce、decode.acc_seg、data_time。前三个是模型收敛的直接体现，第四个能看出dataloader是不是瓶颈。如果data_time占了每步时间的60%以上，说明数据加载（或者数据增强）太慢，训练在空转，建议调高num_workers、检查磁盘IO，或把persistent_workers设为True。

loss变成nan是很多人第一次训练自定义数据集时最崩溃的事。原因不外乎三类：标签里有超出num_classes范围的像素值（最常见的，用的mask不是从0开始编号）、学习率过大导致梯度爆炸、或者图像里有损坏的文件。排查顺序也是这个顺序：先用上一节提到的脚本统计mask的像素值分布，然后把学习率降到默认值的1/10试跑一版，最后排除数据管道里混入的异常图。这三步能解决90%的nan问题。

如果loss正常下降但mIoU一直很低，比如低于0.5，多半是类别不平衡造成的。你的数据里如果背景像素占了90%以上，模型会趋向于把所有像素都预测为背景，mIoU自然上不去。这时候有两个调整方向：一是给loss加上class_weight，提高小类别权重；二是在pipeline里加RandomCrop，尽量让每个crop里的小目标占比更高。从我的经验看，class_weight对语义分割的提升效率没有检测任务里那么明显，优先考虑数据层面的均衡更有效。

3.4 两份官方热词带来的启发：远程开发时config文件的修改链路

顺着热搜词里提到的“vscode 远程config文件”往下说，我猜不少人是在远程服务器上开发，用VSCode Remote SSH打开项目。这种情况下，改config文件有个额外风险：本地和服务器上mmsegmentation的版本可能不一致，本地改了文件后不会自动同步，配置跑不起来时先确认改动是否真正到了服务器上。

我的习惯是项目里统一用相对路径写data_root，不写绝对路径，这样换机器时不用改config。还建议在config文件头部固定写好环境说明注释：

# 环境：A100单卡，CUDA 11.7，mmseg 1.2.0 # 数据集：自定义道路分割，4类（background, road, building, vehicle） # 预训练权重：resnet50_v1c.pth，自动下载自OpenMMLab官网

这个注释在半年后回看实验时太有用了。你永远会忘记当时用了哪个版本、哪个数据集、哪个预处理，但注释不会。

3.5 训练结束后的权重保存和转出onnx的注意事项

训练结束后，work_dirs里会有iter_xxxx.pth或者epoch_xx.pth的权重文件。这些权重是mmengine的格式化dict，里面除了模型参数还有optimizer状态和meta信息，不能直接在原生PyTorch里load。如果你需要导出到onnx做部署，可以用官方脚本：

python tools/deploy/onnx_export.py my_config.py work_dirs/iter_10000.pth out.onnx

如果只是想在本地用mmseg的推理API做效果验证，更简单的做法是：

from mmseg.apis import init_model, inference_model model = init_model('my_config.py', 'work_dirs/iter_10000.pth', device='cuda:0') result = inference_model(model, 'test.jpg') # result.pred_sem_seg.data 是HW的类别ID矩阵，直接用调色板映射成彩色图即可

这个流程能快速让你看到分割效果，方便判断模型质量是否值得继续训练。

4. 常见问题与排查技巧实录

4.1 高频问题速查表

下面这些问题是社群和评论区里翻来覆去地出现的高频问题，我整理成了一张速查表，遇到报错先对着排查一遍，大概率能省下半天时间。

4.2 我踩过的三个隐蔽坑

第一个坑是mask的通道数。有的工具导出的PNG虽然是.png后缀，但实际是4通道RGBA，直接喂给mmsegmentation会在损失计算时爆维度错误。处理方法是在数据预处理前统一用OpenCV读一次，检查mask.shape[2]是否存在，发现是三通道或四通道就做一次cv2.cvtColor(mask, cv2.COLOR_RGB2GRAY)。类似地，有些标注工具会导出16位深度图，mmsegmentation也能处理，但如果你中间不小心转成了8位而且丢失了类别ID，那就彻底找不回来了。

第二个坑是训练和验证时图像尺寸不一致。我在一个项目里训练用512x512随机裁剪，验证时直接test_cfg=dict(mode='whole')，结果遇到一张2000x3000的大图，推理时显存直接不够用。后来用的是mode='slide'，设置stride=256，虽然速度慢一点，但显存被稳定控制在可接受范围。这个细节在部署阶段尤其重要。

第三个坑是类别不平衡但靠loss_weight救场失败。实验做完后分析发现，问题出在CrossEntropyLoss的默认class_weight=None上，小类别梯度完全被淹没。后来先把背景区域在mask里用ignore_index=255排除掉，再给前景类别手动加权，效果才上来。所以如果你的背景占比超过95%，直接在标注阶段就把背景排除出损失，比重写一个loss有效得多。

4.3 训练中断了怎么办：断点续训和权重转换的正确姿势

训练中途因为机房断电、显存炸了、或者自己手抖Ctrl+C终止，这是家常便饭。mmengine有一套比较完整的断点续训机制，你只需要在命令行加--resume参数指向最近的权重文件即可。但要注意，mmengine会自动在work_dirs下生成last_checkpoint文件来记录最新状态，所以更省事的写法是：

python tools/train.py my_config.py --resume work_dirs/my_experiment/iter_12000.pth

也可以不指定具体路径，在config里设置：

resume = True

这样它会自动去找work_dirs下最新的权重。这里有一个小坑：resume=True会同时恢复optimizer、scheduler和随机数状态，如果你只是想换一个预训练权重从某个迭代重新跑（而不是严格续训），应该用load_from而不是resume。

4.4 如何利用验证指标反推数据问题

验证集的mIoU如果一直很低，不要急着调模型结构，先去看bad case图。建议保存一个可视化脚本，每过几个epoch就把验证集里表现最差的20张图连同预测结果和ground truth拼成一张大图，一眼就能看出模型错在哪里：是边界糊了，还是某个类别整个漏了，还是小目标完全没预测到。

比如你发现模型在“vehicle”这个类别上mIoU是0，但训练集里明明有该类别的像素。打开bad case一看，发现标注里vehicle的像素值标成了2，而config里classes的第2位是building——类别错位。这种问题单纯调模型是永远调不好的，只能回到数据侧修。

反过来，如果所有类别的mIoU都低但loss很低，那很可能是过拟合了验证集分布，或训练与验证的预处理不一致。检查一下val_pipeline里是否有Resize与训练不同、是否有额外的归一化差异。这类问题的排查思路，本质上就是“把数据管道的每一步打开来，直接对比训练和验证样本的输入张量”。

5. 从跑通到精调：三个让效果更好的小技巧

5.1 预训练权重怎么加载：load_from和init_cfg的区别

很多人分不清load_from和init_cfg到底谁生效。简单说，init_cfg是模型构建阶段给backbone、neck、head各组件单独加载权重的机制，load_from是在整个模型初始化之后、训练开始之前，按key匹配加载整个权重文件。在自定义数据集上，我推荐先用init_cfg=dict(type='Pretrained', checkpoint='pretrain/resnet50_v1c.pth')给backbone加载预训练权重，decode_head和auxiliary_head保持随机初始化。如果你直接用load_from加载一个完整的cityscapes模型权重，由于解码器的输出类别数不一致，会有一堆shape mismatch的警告，虽然mmengine会跳过不匹配的key，但效率很低，还容易让人误以为权重没加载上。

5.2 学习率策略和迭代次数的经验值

mmsegmentation官方config里常见schedule_40k、schedule_80k，这里的40k/80k指的是迭代次数。对一个小型数据集（几百张图），40k迭代基本够用。如果你用默认的poly学习率策略，初始学习率0.01对ResNet50 backbone来说偏大，尤其当batch_size只有2或者4时，建议降到0.005，否则前面几百步容易震荡。

我用下来的经验配置是这样的：ResNet50 + PSPNet，batch_size=4，初始lr=0.005，power=0.9，warmup_iters=1000，总迭代24000，配合RandomCrop(512,512)。这个配置在多个自定义数据集上都能稳定收敛，大家可以直接抄作业。如果你的模型更深（如ResNet101）或用了Transformer类的backbone，初始lr要相应调低到0.0001~0.001的量级。

还有一个经常被忽略的参数：optim_wrapper里的clip_grad。训练分割模型时偶尔会有个别batch产生比较大的梯度，导致loss突然跳高。我习惯在optimizer配置里加上梯度裁剪：

optim_wrapper = dict( type='OptimWrapper', optimizer=dict(type='SGD', lr=0.005, momentum=0.9, weight_decay=0.0005), clip_grad=dict(max_norm=35, norm_type=2))

这个max_norm=35是mmseg官方几个config里出现过的值，能有效防止loss spike，又不影响正常收敛。

5.3 可视化检查：不只是看看效果，还能定位数据问题

训练过程中定期做可视化预测非常有用。我一般每5000个迭代跑一次可视化，把原图、标注、预测结果并排输出。除了直观验证效果，还能发现一些数据问题：

比如标注和图像没有对齐（有偏移），可视化里会看到预测结果在物体周围有一圈“描边”误差；又比如某些类别在标注里几乎没出现过，预测结果里大概率也不会出现。这时候与其说模型不好，不如说是数据标注的问题。

mmseg提供了一份可视化脚本，也可以自己写一个简化版：

import matplotlib.pyplot as plt from mmseg.apis import init_model, inference_model model = init_model(cfg, ckpt, device='cuda') img = 'test.jpg' result = inference_model(model, img) mask = result.pred_sem_seg.data[0].cpu().numpy().astype(np.uint8) # 调色板映射 palette = [[0, 0, 0], [128, 0, 0], [0, 128, 0], [128, 128, 0]] color_mask = palette[mask] # 形状 (H, W, 3) fig, axes = plt.subplots(1, 3, figsize=(15, 5)) axes[0].imshow(plt.imread(img)) axes[1].imshow(mask) axes[2].imshow(color_mask) plt.savefig('vis_result.png', bbox_inches='tight')

这样一张图胜过千行日志，能极大节省排查问题的时间。

写在最后的实操体会

这套流程我前前后后跑过不下十次，从第一次吭哧吭哧调格式调了整整两天，到现在基本半小时内能把一个全新数据集跑起来。最大的体会是：mmsegmentation本身不难，难的是数据侧的纪律性。把自己的标注格式、类别ID约定、目录结构固定成模板，反复使用，你会发现自己省下的时间远比研究模型结构的时间多。

如果你后续要做到更复杂的任务，比如多模态分割、半监督分割，或者想把模型导出到TensorRT部署，最稳妥的进阶路径还是先把这一套基础流程吃透。只要数据管道和config体系理解到位，后面任何新模型加进来都只是换一个config文件的事。希望这篇教程能帮你在自定义数据集上少走几个弯路，直接跑通属于你自己的第一个分割模型。