问题描述:
利用TF2.5 Keras训练ResNet50,在第一个epoch就出现loss为NaN,把数据量变为80分之一后没有这样的情况。
问题现象:
- 小数据集就很好,大数据集就不行
-
之前verbose设置为2,一个epoch打印一次loss,acc,结果第一个epoch就NaN了。在同学的提醒下将verbose设置为1,每个batchsize都可以看到loss,acc。结果发现每次都在第一个epoch的三分之二处,loss变为NaN。按照keras训练模型遇到loss:nan 解决办法_keras loss nan_shuzip的博客-CSDN博客方法也没用。在文件夹C:\anaconda3\envs\YourEnv\Lib\site-packages\tensorflow\python\keras下修改losses.py文件也没用。
尝试过程:
1.在网上查找主要有以下原因:
- 学习率过大
- 标签不正确
- 训练集未归一化
- 训练集本身有NaN
- Batch Size太小
- 其他原因
2.逐个排除
- 学习率排查:0.1 0.01 0.001 0.00001都不行
- 标签排查:debug训练前查看标签,均正确
- 训练集归一化:预处理已归一化
- 训练集本身有NaN:回想起预处理有除法,不能保证分母不为0,训练集可能本身有NaN,结果问题就出在这。另外注意,log(0)也会为NaN
- Batch Size太小:64 128 256均没用