在 keras.model.fit 中的每一步都得到 nan答案

【问题标题】：getting nan for every step in keras.model.fit在 keras.model.fit 中的每一步都得到 nan
【发布时间】：2017-12-23 06:14:07
【问题描述】：

我有一个包含 26 个变量的文件，其中 25 个是 x 值，第 26 个是 y 值。我想拟合一个线性函数，从 x 中预测 y 的值。我使用了以下程序

from keras.layers import Dense
from keras.optimizers import SGD
from keras import Sequential
import numpy as np

arr = np.loadtxt('../data/TscoreTest.csv',skiprows=1,delimiter=',')

x = arr[:,0:25]
x = x.astype(float)
y = arr[:,-1]
model = Sequential()
model.add(Dense(1,input_shape=(25,), kernel_initializer='random_uniform', bias_initializer='zeros', activation='linear'))
sgd = SGD()
model.compile(optimizer=sgd,loss='mse',metrics=['mse'])
model.fit(x,y, batch_size=1, epochs=30, shuffle=False)

但它总是返回 nan 1/23 [>.......................] - ETA：0s - 损失：nan - mean_squared_error：nan 22/23 [============================>..] - ETA：0s - 损失：nan - mean_squared_error：nan 23/23 [==============================] - 0s 3ms/step - loss: nan - mean_squared_error: nan 30/30 纪元

我检查了 x 和 y，它们具有有效的浮点值。我在这里做错了什么？

【问题讨论】：

您使用了linear 激活。在某些时候，输出超过了 float32 可以容纳的，因此 nan 值

标签： python-3.x keras

【解决方案1】：

尝试将“mse”转换为“mae”。由于 loss 和 mean_squared_error 的值太高，您会收到此错误。请使用 Adam 优化器重新配置您的模型并再次运行。

【讨论】：