Python 为什么我在训练带有梯度惩罚的Wasserstein GAN时得到NaN（损失）值？
最近，我与GANs合作，为人类活动生成假加速计数据（即mHEALTH数据集） 我已经尝试实施改进的技术来培训来自的GAN（即，有条件的WGAN GP）。我根据我的数据对代码做了一些修改。我的目标是从大小为100的输入噪声向量中，从大小为（100,1）的单个加速计数据生成假1D时间序列 然而，当我运行代码（训练过程）时，我得到了“Nan”作为鉴别器损耗和生成器损耗 有人有过类似的问题吗？ 为什么会出现这个问题？如何解决这个问题？ 谢谢你的帮助 这是我的全部资料来源Python 为什么我在训练带有梯度惩罚的Wasserstein GAN时得到NaN（损失）值？,python,keras,deep-learning,generative-adversarial-network,Python,Keras,Deep Learning,Generative Adversarial Network,最近，我与GANs合作，为人类活动生成假加速计数据（即mHEALTH数据集） 我已经尝试实施改进的技术来培训来自的GAN（即，有条件的WGAN GP）。我根据我的数据对代码做了一些修改。我的目标是从大小为100的输入噪声向量中，从大小为（100,1）的单个加速计数据生成假1D时间序列 然而，当我运行代码（训练过程）时，我得到了“Nan”作为鉴别器损耗和生成器损耗 有人有过类似的问题吗？ 为什么会出现这个问题？如何解决这个问题？ 谢谢你的帮助 这是我的全部资料来源 WARNING:tensorfl
WARNING:tensorflow:Discrepancy between trainable weights and collected trainable weights, did you set `model.trainable` without calling `model.compile` after ?
0 [D loss: 8.756878] [G loss: -0.499155]
10 [D loss: 5.958789] [G loss: -0.488709]
20 [D loss: 4.041764] [G loss: -0.473811]
30 [D loss: 2.644764] [G loss: -0.463494]
40 [D loss: 2.244551] [G loss: -0.460721]
50 [D loss: nan] [G loss: nan]
60 [D loss: nan] [G loss: nan]
70 [D loss: nan] [G loss: nan]
80 [D loss: nan] [G loss: nan]
90 [D loss: nan] [G loss: nan]