图像是3维的呀，你怎么确保h和w都是255或者21。你应该用tensor的广播机制，然后套公式img=(img-min) / (max-min)

请问大佬，对语义分割这么写reader正确吗？

把维度都打印一下看看

大佬，image的维度是（3,512,512），label的维度是（512,512）灰度图

是可以的，只要保证除的是特征中最大的值就行

大佬，在确定一下，image归一化到【0,1】之间，label也最好归一化到【0,1】之间是吗？如果label不归一化或者归一化到【0,2】，也可以是吗？跟人认为，（不知道对不对）主要是将image和label像素值的区间相同时，效果会好一点。

主要是在训练时发生了miou等于1的情况，而且是从第一轮训练开始一直到最后，测试集也是相同情况。（cityscape数据集，batch_size=32,learning_rate=0.000001），个人怀疑是不是label归一化时造成的没点的像素值太小，导致的？

建议还是将label和img放在相同区间，不然计算loss时可能会出问题。语义分割我不太懂，不过你可以检查一下归一化前后的数据，mIoU一直是1还真挺奇怪的

label不用吧？他不是有one-hot

label定义成[-1, 1]就好了，不用onehot