深度学习之训练过程中出现NaN问题

Another One
6个月前 阅读 32 点赞 1

相信很多人都遇到过训练一个deep model的过程中,loss突然变成了NaN。在这里对这个问题做一个总结。


一般来说,出现NaN有以下几种情况:


1.如果在迭代的100轮以内,出现NaN,一般情况下的原因是因为你的学习率过高,需要降低学习率。可以不断降低学习率直至不出现NaN为止,一般来说低于现有学习率1-10倍即可。


2.如果当前的网络是类似于RNN的循环神经网络的话,出现NaN可能是因为梯度爆炸的原因,一个有效的方式是增加“gradient clipping”(梯度截断来解决)


3.可能用0作为了除数;


4.可能0或者负数作为自然对数


5.需要计算loss的数组越界(尤其是自己,自定义了一个新的网络,可能出现这种情况)


6.在某些涉及指数计算,可能最后算得值为INF(无穷)(比如不做其他处理的softmax中分子分母需要计算exp(x),值过大,最后可能为INF/INF,得到NaN,此时你要确认你使用的softmax中在计算exp(x)做了相关处理(比如减去最大值等等))

| 1
登录后可评论,马上登录吧~
评论 ( 0 )

还没有人评论...