概率输出和独热分割掩码的主要区别：
概率输出 (Probability Output):
通常是一个浮点数值，范围在0到1之间
表示模型对每个类别的预测置信度
例如，对于某个像素点，可能输出[0.7, 0.2, 0.1]，表示它属于第一类的概率是0.7，第二类是0.2，第三类是0.1
所有类别的概率和等于1
独热分割掩码 (One-hot Segmentation Mask):
只包含0和1的向量，在预测类别位置标记为1，其他位置都是0
例如，如果模型最终预测该像素属于第一类，那么独热向量就是[1, 0, 0]
通常是通过对概率输出取argmax(选择最大概率的类别)来获得
举个具体例子：
假设我们在做三类分割任务（背景、物体1、物体2）：
模型的概率输出可能是：[0.7, 0.2, 0.1]
转换成独热分割掩码后变成：[1, 0, 0]
这种转换的意义在于：
概率输出提供了模型的不确定性信息
独热分割掩码则给出了最终的分类决策
在计算某些损失函数时，使用独热形式更合适，因为它提供了明确的标签信息