我使用Keras后端的广义骰子损失函数返回NaN，我不明白为什么

Question

我正在使用Keras实现用于语义分割的代码，并且我写了我的损失函数，如论文“广义骰子重叠作为深度学习损失函数用于高度不平衡的区段”（链接：https://arxiv.org/abs/1707.03237）来平衡每个损失类。我的数据组织为（bacth_size，ImDim1，ImDim2，Nclasses）。 我的损失函数是：

eps = 1e-3

def dice(y_true, y_pred):
    weights = 1./K.sum(y_true, axis=[0,1,2])
    weights = weights/K.sum(weights)
    num = K.sum(weights*K.sum(y_true*y_pred, axis=[0,1,2]))
    den = K.sum(weights*K.sum(y_true+y_pred, axis=[0,1,2]))
    return 2.*(num+eps)/(den+eps)

def dice_loss(y_true, y_pred):
    return 1-dice(y_true, y_pred)

这样，对我来说看起来正确，损失函数返回nan，我不明白为什么！