label_one_hot = F.one_hot(x.to(torch.int64), 40).permute(0, 3, 1, 2)
在对标签进行one-hot编码时候，出现了错误，报错显示：F.one_hot的class参数必须小于真实的类别数。
我用的NYU-depth v2，设的40类，发现没错呀。
然后去搜了搜发现可能出现的问题：
1：x即标签的数据类型不对。我查看了一下，将x设置为torch.float32，运行还是报错。
2：难道class是图片中的类别吗，我使用：
torch.unique(x)
查看发现图片一共有9类：
tensor([ 0., 1., 5., 7., 8., 26., 29., 38., 40.])
将class设置为8，9，都报错。
3:仔细想一想，one-hot应该是对每一张图片的都进行相同的编码操作，那2的思路就是错的，既然40也不对，我想到了在验证的时候，会将标签的像素值减1，是因为在预测时候像素1代表墙，在label中像素值代表空，那么总类别也就是41，上面的unique函数也验证了图片中含有0像素，同时含有40像素，一共有41个类别。
将报错代码改为：
label_one_hot = F.one_hot(x.to(torch.int64), 41).permute(0, 3, 1, 2)
成功运行！