ResNet50 nan损失（含Keras 2）

自从升级到Keras 2后，我在尝试微调ResNet50时看到了nan的损失。如果我使用单个卷积层（下面注释掉）而不是resnet，那么损失和精度看起来还可以。我是否错过了与Keras 2一起改变的东西

从keras.applications.resnet50导入resnet50
从keras.layers导入展平、密集、输入、Conv2D、激活、展平
从keras.layers.pooling导入MaxPoolig2D
从keras.models导入模型
从keras.optimizers导入新加坡元
将numpy作为np导入
inp=Input（批处理形状=（322242243），name='Input\u图像'）
###resnet
modelres=ResNet50（weights=“imagenet”，包括\u top=False，输入\u tensor=inp）
x=moderes.output
x=展平（）（x）
###单卷积层
#x=Conv2D（32，（3,3））（inp）
#x=激活（'relu'）（x）
#x=MaxPoolig2D（池大小=（3,3））（x）
#x=展平（）（x）
#x=密度（单位=32）（x）
预测=密集（单位=2，内核初始化器=“he\u normal”，激活=“softmax”）（x）
模型=模型（输入=输入，输出=预测）
编译（SGD（lr=0.001，动量=0.9），“分类交叉熵”，度量=[“准确度”]）
#生成具有相同标签的所有图像
def gen（）：
尽管如此：
x_data=np.ones（（322224,3））.astype（'float32'）
y_data=np.zeros（（32,2））.astype（'float32'））
y_数据[：，1]=1.0
产生x_数据，y_数据
模型拟合生成器（gen（），10，验证数据=gen（），验证步骤=1）

model.summary（）

的开头和结尾如下所示：

____________________________________________________________________________________________________
Layer (type)                     Output Shape          Param #     Connected to
====================================================================================================
input_image (InputLayer)         (32, 224, 224, 3)     0
____________________________________________________________________________________________________
zero_padding2d_1 (ZeroPadding2D) (32, 230, 230, 3)     0
____________________________________________________________________________________________________
conv1 (Conv2D)                   (32, 112, 112, 64)    9472

...

avg_pool (AveragePooling2D)      (32, 1, 1, 2048)      0
____________________________________________________________________________________________________
flatten_1 (Flatten)              (32, 2048)            0
____________________________________________________________________________________________________
dense_1 (Dense)                  (32, 2)               4098
====================================================================================================

培训产出为：

Epoch 1/1
10/10 [==============================] - 30s - loss: nan - acc: 0.0000e+00 - val_loss: nan - val_acc: 0.0000e+00

---

当我将后端切换到tensorflow而不是theano时，一切都正常。看起来好像是keras 2中的theano实现出现了一些问题。

这是从一开始还是在一些批次/时代之后出现的

nan

s？从一开始输入的大小是多少？训练批次的形状是（322224,3）。尝试将

np.zero

也作为

x