问题：在第一个epoch中，前几个batch训练loss不为零，但是在迅速下降，并在几个batch后直接变为零
- 猜想1：数据集中全零标签太多。尝试删除全负样本标签，不管用×
- 猜想2：batch size太大，导致梯度消失。尝试修改小两个数量级，不管用×
- 答案：最后通过单步调试发现，输入到模型的标签label全为零，但是在文件夹中的标签数据是正常的。
最后将问题定位在了这一行代码中：
label = cv.imread(labelPath, cv.IMREAD_GRAYSCALE)
cv.IMREAD_GRAYSCALE模式尽管是读取为灰度图像，但是要求图像是8位，我的label是16位导致读取出来全为零，才出现这个问题：
修改cv.IMREAD_GRAYSCALE为支持所有其他位类型的 cv.IMREAD_ANYDEPTH即可
label = cv.imread(labelPath, cv.IMREAD_ANYDEPTH)
问题：在几个epoch内，loss迅速下降，最后变为零（之前遇到过的）
- 答案：当时的全负标签太多，并且dataset或者loss没有做类别样本平衡的处理，导致在几个epoch中，loss迅速下降，最后变为零。当时的解决办法是：
将全负标签删除，问题得到解决。当然，现在来看，对loss的计算或者在dataset的修改都可以，让模型更加专注于你指定的类别。
