Tensorflow:断言失败：[`labels`超出范围]

运行测试脚本时出现“标签超出范围”错误。将注释值与类数进行比较时，混淆矩阵函数中会抛出错误。在我的例子中，注释值是一个图像（560x560），类的数量=2

[check_ops.assert_less(labels, num_classes_int64, message='`labels` out of bound')], labels

上述条件总是会失败，因为注释数据大于类的数量

首先，我很有可能误解了守则，但我无法理解它

其次，如果这是一个有效的检查，那么如何修改代码或数据以避免此错误

def混淆矩阵（标签、预测、num\u类=None、dtype=dtypes.int32、，
名称=无，权重=无）：
使用ops.name\u范围（名称“混淆矩阵”，
（预测、标签、num_类、权重））作为名称：
标签，预测=删除可压缩的尺寸(
运算。将_转换为_张量（标签，name='labels'），
运算。转换为张量(
预测，name='predictions'））
预测=数学运算.cast（预测，数据类型.int64）
labels=math_ops.cast（labels，dtypes.int64）
#健全性检查-下溢或溢出可能导致内存损坏。
标签=具有依赖关系的控制流操作(
[检查操作断言非负(
labels，message='`labels`包含负值'）]，
标签）
预测=具有依赖关系的控制流操作(
[检查操作断言非负(
预测，消息=“`predictions`包含负值”）]，
（预测）
打印（num_类）
如果num_classes为None：
num_classes=math_ops.max（math_ops.reduce_max（预测），
数学运算减少最大值（标签））+1
#$
其他：
num\u classes\u int64=数学运算.cast（num\u classes，dtypes.int64）
---->>标签=具有依赖关系的控制流操作(
[检查操作。断言\u less(
labels，num_classes_int64，message=''labels'out-bound'）]，
标签）在注释文件中，标签为0,1,2255。标签的范围为3。因此，当在注释文件中检测到255时，就会抛出上述错误。在我删除了所有255个值后，代码运行正常，没有任何错误。
这里也有同样的问题

“labels”数组
Y\u true
的值为
0255
。我用过：

Y_true = Y_true/255

将
Y\u true
挤压到
0，1

这就消除了错误。
在tensorflow 1.15.2下，tensorflow/models/research/deeplab基本上还可以

错误消息如下：

无效参数：断言失败：[
labels
out-bound][Condition x
可能是因为没有将背景视为1类。e、 g.deeplab/数据集/数据发生器.py

# Number of semantic classes, including the
# background class (if exists). For example, there
# are 20 foreground classes + 1 background class in
# the PASCAL VOC 2012 dataset. Thus, we set
# num_classes=21.

这里也有同样的错误。
我的错误是因为我使用的是城市景观检查点
Cityscapes
的标签比我的数据多，因此当我将标签编号从2更改为19（这是Cityscapes的标签编号）时，
eval.py
运行良好。但是，
cityscapes
标签和自己的数据标签之间可能存在一些冲突。这需要进一步修改。
如果有人遇到此问题，并且无法通过重新缩放或调整频道来解决，我发现MeanIOU度量也会导致此问题。摆脱它，以损失作为衡量标准进行训练，或者定义另一个标准，对我来说很有效