accuracy=0,loss=1.#QNAN(* 1 = 1.#QNAN loss)

这个问题可就复杂了，从头描述以下：

1、第一次训练遇到这个问题，如图

然后网友说，caffe的图像标签要从0开始，而且如果是3分类的问题的话，最后输出层要大于训练集的类别数目才可以，所以他把最后一层全连接层的输出改为了4或1000(>3)，这个1000分类是什么鬼我不知道，应该是他用来测试大于3行不行吧，然后网友含泪说自己可以了。but，我还是不行。紧接着我就发现了下图：

不光是loss出现了问题，连accuracy也出现了问题：accuracy=0。

再次重新训练，并且还有如下两图：

然后我这次想着等一等，也许会出现转机，没过一会儿，直接程序崩了，出现了下图所示：

然后我查了一下：

#QNAN的意思是Quiet Not A Number，也就是不会触发浮点异常的NaN，而NaN是“不是一个数”的意思。通常你得到这种结果一般通过除0操作、+/-无穷大除以=/-无穷大、+/-无穷大之间的加减法、sqrt的参数是负数。

具体怎么修改，我还在学习中，如果大家知道方法，麻烦留言。我把大家的信息统计一下，造福大家，谢谢啦