问题遇到的现象和发生背景
使用SINet进行二分类语义分割训练(https://openaccess.thecvf.com/content_CVPR_2020/papers/Fan_Camouflaged_Object_Detection_CVPR_2020_paper.pdf),
训练时：输入图片RGB，输入target像素值只有0和255的单通道黑白图，loss为nn.BCEWithLogitsLoss()，训练时loss有在下降，打印求loss之前的网络输出结果看到，每个像素预测结果-5到5之间。这样的话sigmoid之后的值在0-1之间，target像素值只有0和1，所有训练时没有问题。
但测试时：网络的预测值全都接近0，都为10的-1，-2次方，导致sigmoid之后的值全在0.5左右，transforms.ToPILImage()之后像素值全为213左右。不明白为什么。对训练集进行测试也是这种情况。
问题相关代码，请勿粘贴截图
https://github.com/DengPingFan/SINet
运行结果及报错内容
这是测试时打印的结果，cam1是网络预测的结果，cam2时sigmoid之后的结果，cam3是通过transforms.ToPILImage()将像素值调至0-255之后的结果
我的解答思路和尝试过的方法
怀疑是测试时对图片的预处理方式导致的，因此将测试时预处理方式调到和训练时相同，image=Image.open().convert('RGB')读取后，image = image.resize((512, 512), Image.BILINEAR),然后 transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])])，都没有任何问题。
怀疑训练时多GPU并行运算导致？（瞎猜）但尝试单GPU后结果仍然不佳。
如果是图片前景面积过小导致类别不平衡，但训练时预测值也没问题。并且就算不平衡也不至于预测结果sigmoid之前全是0吧
我想要达到的结果
希望得到解答，找出可能错误的地方，不胜感谢
