在imagnet-classification的demo中，如遇到数据读取失败，该如何处理？
fluid中可能处理方法:
在reader_cv2.py中进行process_image操作时，使用try-except的方式，若读取数据失败，则使用全0填充image，使用-1填充label。 在设置cross-entropy 损失函数忽略标签为-1的数据。
缺陷：如果损失函数不支持忽略指定标签该如何处理呢？
在pytorch中可能的处理方式：
1）在model forward之前，可以对标签为-1的数据进行滤除，pytorch的model可以支持动态的batchsize
（a. 不知道paddle是否支持每个batchsize数据大小不一致的情况; b. paddle的py-reader是否有方式显示的滤除标签为-1的数据）
2）在model forward之后，loss计算之前，对标签为-1的数据进行滤除。
3）在dataloader中，设置读取失败的数据返回为空，然后自定义collect-function即可，此时每个batch的大小可能不同。