在TensorFlow中遇到Nan损失可能是由于log操作输入为负数或0导致。解决方法包括使用tf.clip_by_value限制输入范围，避免0值。然而，直接修改损失函数可能产生假数值，影响优化器工作。正确做法是设计网络结构，确保激活函数输出范围避免0。更新网络权重时出现Nan值通常与过高学习率有关，降低学习率可解决此问题。
Usually NaN is a sign of model instability, for example, exploding gradients. It may be unnoticed, loss would just stop shrinking. Trying to log weights summary makes the problem explicit.
之前在TensorFlow中实现不同的神经网络，作为新手，发现经常会出现计算的loss中，出现Nan值的情况，总的来说，
TensorFlow中出现Nan值的情况有两种，一种是在loss中计算后得到了Nan值，另一种是在更新网络权重等等数据的
时候出现了Nan值，本文接下来，首先解决计算loss中得到Nan值的问题，随后介绍更新网络时，出现Nan值的情况。
Loss计算中出现Nan值
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
