调试代码历程1

通过concatenate()叠加两张影像

			imgdata0 = sample['img']
            imgdata1 = sample['img1']
            imglabel = sample['label'].long()
            imgdata = np.concatenate([imgdata0, imgdata1], axis=1)

叠加后影像的形状大小，以及标签

 影像：torch.Size([4, 6, 256, 256])
 标签： torch.Size([4, 256, 256])

经过D-link网络处理后

影像： torch.Size([4, 2, 256, 256])
标签： torch.Size([4, 256, 256])

用nn.CrossEntropyLoss()损失函数处理，未见异常

经BASnet网络处理后

影像：torch.Size([4, 1, 256, 256])
标签： torch.Size([4, 256, 256])

用文中定义的混合损失函数处理，就发现输入与输出大小不一致的问题
经检查发现当标签尺寸

标签：torch.Size([4, 1, 256, 256])

就可以正常运行

BAS网络正常训练（不改变数据集接口）

输入图像：  torch.Size([4, 3, 224, 224])
标签：     torch.Size([4, 1, 224, 224])
处理后影像 torch.Size([4, 1, 224, 224])