深度学习模型训练函数：segment、decision、total模式

这段代码是一个深度学习模型的训练函数。根据给定的训练模式('segment'、'decision'、'total')，它会进行相应的训练操作。

具体的训练流程如下：

1. 首先检查给定的训练模式是否合法，只允许使用'segment'、'decision'或'total'三种模式。
2. 开始进行模型的训练，循环迭代训练次数（epochs_num）。
3. 对于每个batch，循环两次，分别对正样本和负样本进行训练。
4. 根据训练模式，选择不同的优化器和损失函数进行训练。优化器的选择根据模型中的optimize_segment、optimize_decision和optimize_total来决定，损失函数的选择根据模型中的loss_pixel、loss_class和loss_total来决定。
5. 累加当前batch的损失值到iter_loss中。
6. 每隔一定的训练频率（valid_frequency），进行可视化操作，生成可视化结果并保存。
7. 打印当前epoch的训练模式、损失值。
8. 每隔一定的训练频率（save_frequency），保存模型。
9. 更新训练步数（step）。

需要注意的是，这段代码并不完整，缺少了一些相关的函数和变量定义。您可能需要参考其他部分的代码来完整理解整个训练过程。