Python 使用三重丢失进行训练：汇总直方图tensorflow中的Nan

我正在尝试训练一个使用三重态丢失的CNN模型。我有8个类（产品）的图像，每个类大约有100个图像
网络体系结构如下所示：

input image   ->          conv1   ->   conv2    ->   conv3   ->   conv4   -> conv5 -> 28D embedding
 182x182     filters       7x7         5x5            3x3          1x1        1x1
             num_outputs    32          64            128          256         28
             activation     Relu       Relu           Relu         Relu       Relu

因此，网络给出了一个28维的嵌入。 然而，在培训期间，它在随机迭代步骤中抛出以下错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError: Nan in summary histogram for: conv2/weights_1

我已经使用了一些超参数，但仍然没有运气，只有迭代步骤 它抛出错误的时间正在更改。下面是我正在尝试的超参数：

batch size : varied if from 2 to 12
learning rate : 0.001 - 0.002
momentum: 0.9 (since batch size is small)
training iter: 2000 (it is never reaching that, before only throws an error)

---

任何输入都会非常有用。

我使用更大的批量解决了这个问题。当批处理中没有三元组时，会发生此错误