验证数据集的骰子系数+骰子损失不等于1

Question

我是一个训练网络，具有骰子损失的损失函数和骰子系数的度量。在下面可以找到我用来计算骰子损失的函数：

def dice_coef(y_true, y_pred):
    y_true_f = K.flatten(y_true)
    y_pred_f = K.flatten(y_pred)
    intersection = K.sum(y_true_f * y_pred_f)
    return (2. * intersection + 1.) / (K.sum(y_true_f * y_true_f) + K.sum(y_pred_f * y_pred_f) + 1.)

然后

def dice_coef_loss(y_true, y_pred):
    return 1.-dice_coef(y_true, y_pred)

我遇到的问题是，在训练期间，损耗和骰子系数的总和始终为1，这是可以预期的，但是在验证过程中，损耗和骰子系数的总和大于1。这怎么可能？

网络的最后一层是用于二进制分割的S型函数。

我正在上传验证和训练图。从图中还可以清楚地看到，验证准确性正在提高，但是验证损失却在波动。