Neural network 我的广义骰子损失函数，使用Keras后端，返回NaN，我不明白为什么

我正在使用Keras实现一个语义分段代码，我在论文“广义骰子重叠作为高度不平衡分段的深度学习损失函数”（链接：）中编写了损失函数，以平衡每个类。我的数据组织为（bacth_大小、ImDim1、ImDim2、Nclasses）。 我的损失函数是：

eps=1e-3
def骰子（y_true，y_pred）：
权重=1./K.sum（y_真，轴=[0,1,2]）
权重=权重/K.和（权重）
num=K.sum（权重*K.sum（y_true*y_pred，轴=[0,1,2]））
den=K.sum（权重*K.sum（y_真+y_pred，轴=[0,1,2]））
返回2.*（num+eps）/（den+eps）
def dice_损失（y_真，y_pred）：
返回1个骰子（y_真，y_pred）

---

这样做，在我看来是正确的，loss函数返回nan，我不明白为什么

您是否尝试在第一个等式中添加

eps

？如果所有

y\u true

均为0，

weights

应为NaN。