模型训练过程中出现的loss:nan

问题描述：

在使用u-net进行语义分割训练时，最初使用数据A训练没有任何问题，随后将数据B添加到数据A中重新训练u-net出现loss：nan，由于添加数据之前模型能够正常运行，初步排除是模型问题，分析可能的原因有：

（1）数据A与数据B差异性太大；

（2）数据B中数据有问题

为此，进行了实验，分别是：

（1）在数据A中剔除数据B并添加其他与A相同来源的数据C，数据集为A+C，训练u-net----------结果：模型正常

（2）只使用数据B训练模型，---------结果：loss：nan

进一步确定数据B果然有问题，对B中数据进行一一筛查，发现某几张数据不完整，虽然图片尺度都一致，但是存在某部分缺失的现象，这应该就是传说中的脏数据，脏数据原图及标签如下：

（3）使用剔除脏数据之后的数据集B实验，结果正常。

最初没有剔除这种数据的原因：原图对应的标签正常，对于原图来讲，需要识别的主体正常，其他部分都认为是背景即可，事实证明不能这样，认为是背景的东西也不可能太随意。直观解释是这样，理论解释希望大家多多留言。