Python 为什么我的损失计算作为一个度量是正确的，而不是作为张量流中的损失？

我正在训练一个3D U型网络，并试图用Tensorflow实现一个骰子损失。我创建了以下函数，它可以返回骰子分数或相应的损失

（1-score）

在训练模特时，我设定了损失和分数

model.compile(optimizer=optimizer,
              loss=dice_coefficient(_type="loss"),
              metrics=dice_coefficient(_type="score"))

然而，我得到了损失的

nan

和分数的数值：损失不应该是上面定义的

1-score

144/Unknown - 68s 473ms/step - loss: nan - dice_score: 0.0209

---

我已经实现了骰子损失函数来优化图像分割。您可以在此路径上签出代码 下面是代码片段

class Dice(Loss):
      def call(self, y_true, y_pred):
        y_pred = ops.convert_to_tensor_v2(y_pred)
        y_true = gen_math_ops.cast(y_true, y_pred.dtype)
        y_true = tf.keras.backend.clip(y_true, tf.keras.backend.epsilon(), 1-tf.keras.backend.epsilon())
        y_pred = tf.keras.backend.clip(y_pred, tf.keras.backend.epsilon(), 1-tf.keras.backend.epsilon())
        
        intersection = tf.keras.backend.sum(tf.keras.backend.abs(y_true * y_pred), axis=-1)
        numerator = (2. * intersection + 1) 
        denominator = (tf.keras.backend.sum(tf.keras.backend.square(y_true),-1) + tf.keras.backend.sum(tf.keras.backend.square(y_pred),-1) + 1)
        return 1 - (numerator/denominator)

class Dice(Loss):
      def call(self, y_true, y_pred):
        y_pred = ops.convert_to_tensor_v2(y_pred)
        y_true = gen_math_ops.cast(y_true, y_pred.dtype)
        y_true = tf.keras.backend.clip(y_true, tf.keras.backend.epsilon(), 1-tf.keras.backend.epsilon())
        y_pred = tf.keras.backend.clip(y_pred, tf.keras.backend.epsilon(), 1-tf.keras.backend.epsilon())
        
        intersection = tf.keras.backend.sum(tf.keras.backend.abs(y_true * y_pred), axis=-1)
        numerator = (2. * intersection + 1) 
        denominator = (tf.keras.backend.sum(tf.keras.backend.square(y_true),-1) + tf.keras.backend.sum(tf.keras.backend.square(y_pred),-1) + 1)
        return 1 - (numerator/denominator)