U-Net++数据流详解

一、主函数流程图：宏观工作流

1.1 训练阶段

训练阶段的目标是让模型从数据中学习规律。其主流程图清晰地勾勒了一个从初始化到产出可用模型的​标准化、可复现的工程管道​。
主函数流程图如下：

整个过程可划分为三个逻辑阶段：

第一阶段：输入与初始化

流程始于三大核心输入的加载，为整个流程奠定基础：

1. ​加载配置​：读取config.yml文件，获取模型架构、优化器参数、训练轮数等所有超参数，确保实验的可复现性。
2. ​加载权重​：（可选）读取model.pth初始权重文件，支持迁移学习​或从历史检查点恢复训练，加速收敛。
3. ​加载数据​：读取原始的训练与验证数据集，为模型提供学习的“素材”。

第二阶段：核心处理与迭代训练

这是模型“学习”的核心循环，对输入进行加工并反复优化：

1. ​模型与优化器