我正在研究一個核分割問題，我試圖在染色組織圖像中識別細胞核的位置。給定的訓練數據集有一張染色組織的圖片和一個帶有細胞核位置的掩碼。由于數據集很小，我想嘗試在 PyTorch 中進行數據增強，但在這樣做之后，由于某種原因，當我輸出我的蒙版圖像時，它看起來很好，但相應的組織圖像不正確。我所有的訓練圖像都在X_trainshape(128, 128, 3)中，相應的掩碼在Y_trainshape中(128, 128, 1)，類似的交叉驗證圖像和掩碼分別在X_val和Y_val中。Y_trainY_val有dtype = np.bool，有。_ X_train_X_valdtype = np.uint8在數據增強之前，我會這樣檢查我的圖像：fig, axis = plt.subplots(2, 2)axis[0][0].imshow(X_train[0].astype(np.uint8))axis[0][1].imshow(np.squeeze(Y_train[0]).astype(np.uint8))axis[1][0].imshow(X_val[0].astype(np.uint8))axis[1][1].imshow(np.squeeze(Y_val[0]).astype(np.uint8))輸出如下： Before Data Augmentation對于數據擴充，我定義了一個自定義類，如下所示：在這里我導入torchvision.transforms.functional了TF和torchvision.transforms as transforms。images_np并且masks_np是 numpy 數組的輸入。class Nuc_Seg(Dataset):def __init__(self, images_np, masks_np):    self.images_np = images_np    self.masks_np = masks_npdef transform(self, image_np, mask_np):    ToPILImage = transforms.ToPILImage()    image = ToPILImage(image_np)    mask = ToPILImage(mask_np.astype(np.int32))    angle = random.uniform(-10, 10)    width, height = image.size    max_dx = 0.2 * width    max_dy = 0.2 * height    translations = (np.round(random.uniform(-max_dx, max_dx)), np.round(random.uniform(-max_dy, max_dy)))    scale = random.uniform(0.8, 1.2)    shear = random.uniform(-0.5, 0.5)    image = TF.affine(image, angle = angle, translate = translations, scale = scale, shear = shear)    mask = TF.affine(mask, angle = angle, translate = translations, scale = scale, shear = shear)    image = TF.to_tensor(image)    mask = TF.to_tensor(mask)    return image, maskdef __len__(self):    return len(self.images_np)我得到這個作為我的輸出： After Data Augmentation 1當我將行更改axis_1.imshow(img.astype(np.uint8))為時axis_1.imshow(img)，我得到這張圖片： 數據擴充后 2面具的圖像是正確的，但由于某種原因，細胞核的圖像是錯誤的。使用 時.astype(np.uint8)，組織圖像完全是黑色的。沒有.astype(np.uint8)，核的位置是正確的，但配色方案全亂了（我希望圖像像數據增強之前看到的那樣，灰色或粉紅色），加上網格中同一圖像的 9 個副本由于某種原因顯示。你能幫我得到組織圖像的正確輸出嗎？