最近在训练自己的模型时遇到了一个问题:train_loss:nan,于是我就百度了下。发现导致此问题的原因有这几种:学习率过大,网络问题,损失函数的问题,batch_size过大等,本质上来说就是梯度爆炸导致的训练损失过大等等。然后我就把经典的unet模型代替我的模型,发现可以得到正常的训练损失,因此我判定问题出在我的网络模型上。于是我就把两个模型之间作比较,发现我的模型少了BN和relu操作,于是我在每一层相应的位置上加上这两个操作,但是train_loss依然为nan,而且预测图准确率很低,跟原本数据集感觉没什么差距!看着这一个一个的nan,我是真的难了。就这样我浪费了一个下午的时间也没解决问题。第二天的时候我又继续百度,搜到的答案也跟前一天的如出一辙,后来我再从原始unet模型上找找差别,发现最后一层有惊喜,原来我没在自己的网络最后一层加上sigmoid函数处理,怪不得loss一直都是nan.最后加上后loss终于不再是nan了。
中间还遇到的一个问题就是BN操作,我发现在BN函数中,track_running_stats=False
会比其为True的分割效果好很多,具体是为什么我也不太清楚!
最终问题能解决还是很开心的,继续加油!
网络训练
最新推荐文章于 2024-06-23 16:51:28 发布