概述
解决：loss中用到了log，-log(0)=inf，在log（*）括号中添加一个bias，取值为1e-5。【其他值也可以】
模型训练过程中的几种情况：
- train loss 不断下降，test loss不断下降，说明网络仍在学习;
- train loss 不断下降，test loss趋于不变，说明网络过拟合;
- train loss 趋于不变，test loss不断下降，说明数据集100%有问题;
- train loss 趋于不变，test loss趋于不变，说明学习遇到瓶颈，需要减小学习率或批量数目;
- train loss 不断上升，test loss不断上升，说明网络结构设计不当，训练超参数设置不当，数据集经过清洗等问题。
模型不收敛的原因：
1、数据和标签：
数据分类标注是否准确？数据是否干净？数据的输入是否正常，data和label是否一致？
2、学习率设定不合理：
逐渐尝试，从0.1,0.08,0.06,0.05 ......逐渐减小直到正常为止
3、网络设定不合理
4、数据集label的设置：
检查lable是否有错，有的时候图像类别的label设置成1,2,3，正确设置应该为0,1,2
5、数据归一化
最后
以上就是舒适心情为你收集整理的模型训练loss=inf现象的全部内容，希望文章能够帮你解决模型训练loss=inf现象所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复