我在预测网络结果的时候发现网络预测出来的结果是一片黑乎乎，以为是预测像素值太低导致的，为此将结果使用img=img*125进行显示，发现预测出来的结果根本不对。所以回过头找原因，预测代码反反复复找了好多遍，都没发现问题，为此找决定从源头开始找，将训练数据集的原图和label重新检查，由于label也是黑色的为了便于观察我做了label= label*125的处理，但是还是黑色的，为此怀疑label的问题，使用下列代码将label的像素值逐个写入到csv中，发现所有的像素值均为0.

　　path = '/home/l/leilei/test_data/water_greenland/lei/label.x=23,y=16.tif'

　　img = cv2.imread(path)

　　img = img*250

　　out = open("/home/l/leilei/test_data/water_greenland/lei/label.x=23,y=16.csv", 'a')

　　csv_write = csv.writer(out,dialect = 'excel')

　　for i in range(256):

　　for j in range(256):

　　a = img[i][j]

　　csv_write.writerow(a)

　　下面是得到的部分结果

　　0,0,0

　　0,0,0

　　0,0,0

　　0,0,0

　　0,0,0

　　0,0,0

　　0,0,0

　　0,0,0

　　0,0,0

　　所有的像素值都是这样的，我怀疑是label的问题，但是我用imagelabeler这个label制作软件读原图和label，能看出label应该是有内容的，下面是使用imagelabeler得到的结果，能看出label中将水体是绿色，植被是红色，其他均为背景为黄色。这能说明label有内容吧？但是为啥用代码读出来的label均为0呢？这个实验预测结果完全错误的原因是啥呢？不知道有没有描述清楚问题，期待回复

　　你确定opencv读的结果是正确的吗？查查标签保存的格式，channel未必==3或1，有可能是voc标签格式制作的。你预测出来的结果channel应该为1，每个像素点代表类别，这样的话0和1，2，3，4看起来就是一样的，保存图片看起来一片黑，你直接在预测结果后面20，不是保存再读取后*125。用软件读取颜色分明是因为颜色索引，比如1对应（255，0，0），2对应（0，255，0）。

　　我今天训练binary segmentation遇到了这个问题，经过低端的打印输出调试手段，发现网络的输出值经过sigmoid之后倾向于全部预测为1，估计是这样会是损失较小，原因是label中前景占得比例小。在将学习率不断减小之后，发现刚开始训练时预测的label是既有0也有1的，后来迭代次数增加就全部为1了。现在我想调整一下损失函数，加上权重试试。

　　过拟合了可能

　　在损失函数前面接个权重 降低0的影响

　　请问你解决这个问题了吗

　　在做5类别分类时，有两个类别预测全部为0，其他正常，经过多次排查发现是使用了两层softmax

　　可做参考...