语义分割标签即像素值的巨坑，transforms.ToTensor()的错误使用

问题：最近使用NEU-Seg数据集来验证模型的有效性，计算iou出现nan值？

前提：NEU-Seg数据集的样本图片时 .jpg 格式，使用cv2直接读取即可， mask图是全黑的，如下图所示：

 官方说是用labelme标注的，像素值就是像素的类别（坑也在这！）通过一下代码来检查数据格式：

import numpy as np
from PIL import Image
img = Image.open("E:/All-Project/Other-File/Datset/00001.png") #图像所在位置
img1 = np.array(img)
a=np.unique(img1) # 查看图片内的像素值
print(a)
print(img.mode) # 查看图片模式

运行后输出如下：

可以看到像素值（标签）有0.1,0背景，1是缺陷，可是图片模式是L，也就是灰度图，可是VOC数据集应该是P模式才对，但是L可以直接用cv2读取，更方便了。后来就出现问题， 读取图片转成张量的时候，经过了transforms.ToTensor()处理， 直接训练网络，损失照常掉， 可是！ 计算IOU全部变成nan了。计算求代码：

intersection = np.logical_and(img_mask, img_pred)
        union = np.logical_or(img_mask, img_pred)
        iou_score = np.sum(intersection) / np.sum(union)

nan了，我接受不了这个现实啊！我检查了我的模型代码，混淆矩阵代码都木有毛病啊！

 经过我两周的debug终于发现了些端倪：

1.用cv2读取全黑的mask图，标签显示正常，[0， 1， 2， 3]（neu数据集三类缺陷加背景）正常

2.获取的mask是narry格式，要转成张量 ，照常用了transforms.ToTensor()处理， 标签值变了！1变成了0.0017，这是啥玩意！问题就在这，接下来是解决办法：

0.transforms.ToTensor()这个函数首先会将数据归到[0, 1]区间内，可是标签就是像素值并不需要这么处理

办法：

用 torch.from_numpy(mask).type(torch.FloatTensor) 处理一下，标签值不变！！！！

就这一句就解决了，我花了两周，哭死

致谢：

感谢东北大学宋克臣老师的无私奉献，将数据集公开，网址：

http://faculty.neu.edu.cn/songkechen/zh_CN/zhym/263269/list/index.htm

宋老师的论文值得我学习！ 向老师致敬！

声明：如使用老师数据集发表论文，应按照网站要求进行引用老师文章！（我现在只在验证阶段，如有不妥，请指正！）