计算loss时binary_cross_entropy的值出现负数 nan无穷大

1. 问题描述：
   使用torch的binary_cross_entropy计算分割的loss时，前几个epoch的值确实是正的，但是训到后面loss的值一直是负数

   解决方案：
   后面发现自己输入的数据有问题，binary_cross_entropy输入的target和input数值范围需要在0-1之间,调试的时候发现是target label输入的数值有0，1，2,修改之后就正常了.

   binary_cross_entropy输入的target和input数值范围需要在0-1之间

   torch.nn.functional.binary_cross_entropy(input, target, weight=None, size_average=None, reduce=None, reduction=‘mean’)

   https://pytorch.org/docs/stable/nn.functional.html?highlight=cross_entropy#torch.nn.functional.binary_cross_entropy

2. 问题描述：
   使用torch的binary_cross_entropy计算分割的loss时，偶然出现计算出来的loss是nan无穷。

   解决方案：
   发现是数据的问题导致的，由于分割标签中只有全为0的情况，即没有目标分割物体，使用命令len(np.unique(label))，得知当len=1时，会出现loss为nan。我的解决方案是直接不算这类数据的loss，或者直接让这一项等于0.