单通道图像读入，单通道训练（MobileNetV2）

目的：看了一篇论文，作者对X射线单通道图像（灰度图像）进行训练，通常mobilenet网络模型用来对RGB（三通道）彩色图像分类。因此想尝试对单通道图像读入并用单通道网络训练。

步骤：

第一步：修改网络模型

在搭建的模型文件中，修改mobilenet v2的第一层卷积层输入通道改为1

features.append(ConvBNReLU(1, input_channel, stride=2))

第二步：修改读取数据方式

在训练和预测脚本中，不管是tensorflow还是pytorch读取单通道数据时，imread或ImageFolder函数会自动将单通道图像转换为三通道图像（BGR三通道格式），如果不对其处理，就会报错。因此在定义图像预处理操作时要加上一句对通道处理的操作，添加transforms.Grayscale(1)。还需要对之前三通道图的标准化处理做修改，去掉后两个通道的值。

data_transform = {
        "train": transforms.Compose([transforms.Grayscale(1),
                                     transforms.RandomResizedCrop(224),
                                     transforms.RandomHorizontalFlip(),
                                     transforms.ToTensor(),
                                     transforms.Normalize([0.485,], [0.229, ])]),
        "val": transforms.Compose([transforms.Grayscale(1),
                                   transforms.Resize(256),
                                   transforms.CenterCrop(224),
                                   transforms.ToTensor(),
                                   transforms.Normalize([0.485, ], [0.229, ])])}

第三步：不采用迁移学习训练方法（注释掉加载权重代码）

第四步：训练和预测

代码运行结果：