Python 将keras与tensorboard一起使用时，不断获取Nan值错误

我在conda上使用python3，在tensorflow上使用keras进行深入学习，并使用tensorboard记录模型（我使用直方图）

我不断得到以下错误：

InvalidArgumentError（回溯见上文）：汇总为Nan conv2d_1/kernel_0[[节点conv2d_1/kernel_0（已定义）]的直方图 在 /home/user/anaconda3/envs/siamese/lib/python2.7/site-packages/keras/callbacks.py:796） =historogramsummary[T=DT_FLOAT，_device=“/job:localhost/replica:0/task:0/device:CPU:0”]（conv2d_1/kernel_0/tag， conv2d_1/kernel/read/_139）]]

我读到这是因为tensorboard日志记录使nan值显式

我试图改变 我试图降低学习速度 我试图剪辑损失函数值 我试图使k.epsilon值更高（1e-4） 我试图给预测增加一点价值 我将最后一层的激活改为sigmoid

似乎什么都不管用

这是我的密码

    def triplet_wrapper(y_true, y_pred):
        import keras.backend as k
        from tensorflow.math import l2_normalize
        y_pred = k.clip(y_pred, 1e-6, 1e1)
        return k.clip(metric_learning.triplet_semihard_loss(k.squeeze(y_true, 1) + 1e-7, l2_normalize(y_pred, epsilon=1e-7)), 1e-7, 1e1)


        keras.losses.custom_loss = triplet_wrapper
        model5 = Sequential()
        model5.add(Conv2D(32, (3, 3), activation="relu", input_shape=input_shape))
        model5.add(MaxPool2D((2, 2)))
        for i in range(layers - 1):
            model5.add(Conv2D(64, (3, 3), activation="relu"))
            model5.add(MaxPool2D((2, 2)))
        model5.add(Flatten())
        model5.add(Dropout(0.5))
        model5.add(Dense(100, activation="sigmoid"))
        model5.add(Dropout(0.5))
        model5.compile(loss=triplet_wrapper, optimizer=Adam(lr=0.0001))

我使用这个规范化的数据加载器加载数据

i = ImageDataGenerator(rescale=1.0 / 255.0)

是数据集（它很大，我将整个培训集放在一个目录-数据集中，然后运行此脚本）