Keras &引用；“增值损失”；没有'；与inf相比，性能有所提高，但损耗大大降低

我正在训练一个带有自定义函数的Keras模型，之前我已经成功地测试过了。最近，我正在用一个新的数据集对它进行训练，我得到了一个奇怪的结果：模型训练得很好，但是

val_loss

给出了

nan

。 损失如下：

def Loss(y_true,y_pred):
    y_pred = relu(y_pred)
    z = k.maximum(y_true, y_pred)
    y_pred_negativo = Lambda(lambda x: -x)(y_pred)
    w = k.abs(add([y_true, y_pred_negativo])) 
    if k.sum(z) == 0:
        error = 0
    elif k.sum(y_true) == 0 and k.sum(z) != 0:
        error = 100
    elif k.sum(y_true) == 0 and k.sum(z) == 0:
        error = 0
    else:
        error = (k.sum(w)/k.sum(z))*100
    return error

我试过很多东西：

查看了南部的数据

正常化-开和关

剪辑-打开和关闭

辍学-开和关

有人告诉我CUDA安装可能有问题，但我不确定

---

你知道问题是什么吗？或者我如何诊断它？

问题原来是每零除法，但发生的原因有点棘手。正如您所看到的，上面的定义有一些条件，这些条件本应排除每零除法。然而，它们是用来处理NumPy对象而不是张量的，张量是Keras方法传递的对象。因此，它们从未发生过，而且每零除法也经常发生

---

为了修复它，我不得不用Keras条件重写损失——提醒，避免将纯Keras与tf.Keras混合——正如我所发布的那样。欢迎任何进一步的评论

从您所写的内容来看，我认为新的验证数据集中有一个样本给出了奇怪的结果，我将尝试做一个测试：使用验证数据集作为训练数据集（没有验证），看看在特定样本之后，损失是否会变大nan@BestDogeStackoverflow这真是个谜。我已经尽了我所能。我必须查看y_pred和y_true值，因为另一个损失度量值可以毫无问题地验证它。@BestDogeStackoverflow我正在打印损失函数中的错误值，我可以看到许多值都是nan。然而，我必须找出原因…@BestDogeStackoverflow我发现了这个问题。我用一个简单的条件来表示keras张量，所以，它不适用，而是用零除法。我必须将其重写为keras conditional。似乎您对第一个数据集很幸运：D，当您can@BestDogeStackoverflow过来看！