unet用于图像分割（model.py）

from torch.nn import Module Sequential 
from torch.nn import Conv3d ConvTranspose3d BatchNorm3d MaxPool3d AvgPool1d
from torch.nn import ReLU Sigmoid
import torch

class UNet3D（Module）:
    # __                            __
    #  1|__   ________________   __|1
    #     2|__  ____________  __|2
    #        3|__  ______  __|3
    #           4|__ __ __|4 
    # The convolution operations on either side are residual subject to 1*1 Convolution for channel homogeneity 

    def __init__（self num_channels=32 feat_channels=[64 128 256 512 1024] residual=‘conv‘）:
        
        # residual: conv for residual input x through 1*1 conv across every layer for downsampling None for removal of residuals

        super（UNet3D self）.__init__（）
        
        # Encoder downsamplers
        self.pool1 = MaxPool3d（（122））
        self.pool2 = MaxPool3d（（122））
        self.pool3 = MaxPool3d（（122））
        self.pool4 = MaxPool3d（（122））
        
        # Encoder convolutions