我已经编写了用于语义分割的广义Dice损失计算的代码，并且在不考虑ignore_label的情况下也可以很好地工作。现在，我尝试扩展到包括ignore_label，以在损失计算期间忽略特定标签。
我有一个形状为(1, 5, 93, 349, 219)，标签为(1, 1, 93, 349, 219)的输入预测，我想ignore_label=1。在前向传递中，我创建一个mask=np.one_like(prediction)，然后创建mask[:,ignore_label,:,:,:]=0。我先创建one_hot_label（形状：1, 5, 93, 349, 219），然后（在计算损失之前）
#I multiply mask separately to prediction and one_hot_label.
gt_masked = np.multiply(one_hot_label,mask)
pred_masked = np.multiply(prediction,mask)
该特定ignore_label的正向传递损失将为零，并将被添加到其他类别的其他损失值中。
我的问题是我应该在倒数传递中将与ignore_label相关的张量通道放入什么值，以便计算梯度？