在pytorch框架下，訓練model過程中，loss=nan問題時該怎麼解決？

JSLS_Hf發表於2018-08-16
PyTorch框架NaN

當我在UCF-101資料集訓練alexnet時，epoch設為100，跑到三十多個epoch時，出現了loss=nan問題，當時是一臉懵逼，在查閱資料後，我通過減小學習率解決了問題，現總結一下出現這個問題的可能原因及解決方法：

1.  減小整體學習率。學習率比較大的時候，引數可能over shoot了，結果就是找不到極小值點；
減小學習率可以讓引數朝著極值點前進；
2.  改變網路寬度。有可能是網路後面的層引數更新異常，增加後面層的寬度試試；
3.  改變層的學習率。每個層都可以設定學習率，可以嘗試減小後面層的學習率試試；
4.  資料歸一化（減均值，除方差，或者加入normalization，例如BN、L2 norm等）；
5.  加入gradient clipping；
6  輸入資料含有髒資料，即NaN,一般當使用實際業務的真實資料時，容易出現髒資料。

相關文章