我在使用PaddleX进行多class的语义分割，paddleX不支持多class 的dice loss于是想自己写一个，但一直不成功

我以为只要把label换成one-hot-shot，循环读每个class的logit就可以计算，但一直不成功。

#自定义 multi-class dice loss
def multi_dice_loss(logit, label, num_classes= 11):

    label = fluid.layers.cast(label, 'int64')
    label_one_hot = fluid.layers.one_hot(input=label, depth=num_classes)

    dice_sum = 0
    for i in range(len(num_classes)):
        dice_sum += dice_loss(logit[:,i,:,:], label_one_hot[:,:,:,i],ignore_mask, epsilon=0.00001)
    return dice_sum

是我对logit的shape（NCHW）理解不对吗？

谢谢高手解答！