损失：执行回归时 Keras 中的 NaN

Question

我正在尝试预测一个连续值（第一次使用神经网络）。我已经对输入数据进行了标准化。我不明白为什么我从第一个纪元开始得到loss: nan 输出。

我阅读并尝试了许多来自以前对同一问题的答案的建议，但没有一个对我有帮助。我的训练数据形状是：(201917, 64)。这是我的代码：

model = Sequential()
model.add(Dense(100, input_dim=X.shape[1], activation='relu'))
model.add(Dense(100, activation='relu'))
model.add(Dense(100, activation='relu'))

# Output layer
model.add(Dense(1, activation='linear'))

# Construct the neural network inside of TensorFlow
model.compile(loss='mean_squared_error', optimizer='Adam')

# train the model
model.fit(X_train, y_train, epochs=10, batch_size=32,
shuffle=True, verbose=2)

Answer 1

您可以采取以下步骤来找出问题的原因：

1. 确保您的数据集是应有的：

   • 在您的数据集中查找任何 nan/inf 并修复它。
   • 编码不正确（将其转换为 UTF-8）。
   • 您的列或行中的值无效。

2. 使用 Dropout、BatchNormalization、L1/L2 regularization 标准化您的模型，更改您的 batch_size，或将您的数据缩放到其他范围（例如 [-1, 1]）。

3. 缩小网络规模。

4. 更改其他超参数（例如优化器或激活函数）。

您可以查看this 和this 链接以获得额外帮助。

Answer 2

当学习率太高时，有时会出现 nan 损失。一种解决方案可能是减少它。替换此代码：

# Construct the neural network inside of TensorFlow
model.compile(loss='mean_squared_error', optimizer='Adam')

与：

from keras.optimizers import Adam #maybe put this at the top of your file
opt = Adam(lr=0.0001) #0.001 was the default, so try a smaller one
model.compile(optimizer=opt, loss='mean_squared_error')

看看是否有帮助。我也会先尝试一个隐藏层，看看效果如何。

Answer 3

NaN 在输入数据框中。在获取数据框值之前，应替换 NaN 值。否则会爆炸渐变。