这种问题可能由多种原因引起,以下是一些常见的原因以及排查和解决方法。
常见排查方法
- NaN/Inf检查:
x=tf.debugging.check_numerics(x, message=message)
- 打印权重和特征:
w = tf.compat.v1.Print(w, [w], message="layer{} weights: ".format(i), summarize= 2560) w = tf.debugging.check_numerics(w, message='Weights contain NaN or Inf layer{}'.format(i)) b = tf.compat.v1.Print(b, [b], message="layer{} biases: ".format(i), summarize=2560) x = tf.compat.v1.Print(x, [x], message="layer{} output: ".format(i), summarize=2560)
常见原因和解决方法
-
学习率太高: 学习率过高可能导致梯度爆炸,从而使损失函数变成NaN。尝试减小学习率。
learning_rate = 0.001 # 例如,将学习率调小,0.0001 1e-5等 optimizer = tf.train.AdamOptimizer(learning_rate) train_op = optimizer.minimize(loss)
-
梯度爆炸/消失: 使用梯度裁剪来防止梯度爆炸。可以在计算梯度后对其进行裁剪。
optimizer = tf.train.AdamOptimizer(learning_rate) gradients, variables = zip(*optimizer.compute_gradients(loss)) gradients, _ = tf.clip_by_global_norm(gradients, 5.0) # 裁剪梯度 train_op = optimizer.apply_gradients(zip(gradients, variables))
-
数据batch_norm、layer_norm: 确保输入数据没有异常值(如Inf或NaN)。在数据预处理阶段进行数据清洗。
#批归一化 batch_norm = tf.layers.batch_normalization(inputs, training=is_training)#需要传递是训练阶段还是推理阶段 update_ops = tf.compat.v1.get_collection(tf.compat.v1.GraphKeys.UPDATE_OPS) with tf.control_dependencies(update_ops): train_op = ... #层归一化 layer_norm = tf.contrib.layers.layer_norm(inputs)
-
初始化问题: 确保模型参数初始化得当。比如,使用适当的初始化器。
initializer = tf.glorot_uniform_initializer() # Xavier初始化 或者使用高斯标准化初始化 weights = tf.get_variable("weights", shape=[in_dim, out_dim], initializer=initializer)
-
数值稳定性: 使用数值稳定性较好的激活函数和损失函数。例如,使用softmax的稳定版本
logits = tf.layers.dense(inputs, num_classes) loss = tf.nn.softmax_cross_entropy_with_logits_v2(labels=labels, logits=logits)
-
正则化: 使用正则化防止过拟合和数值不稳定。
l2_regularizer = tf.contrib.layers.l2_regularizer(scale=0.1) regularization_penalty = tf.contrib.layers.apply_regularization(l2_regularizer, tf.trainable_variables()) loss = original_loss + regularization_penalty