Python 损失函数返回nan tensorflow

我在这里编写了一个简单的tensorflow程序，它读取一个特性列表并尝试预测类

with tf.Session() as sess:
        sess.run(tf.initialize_all_variables())

        for epoch in range (hm_epochs):
            epoch_loss = 0
            itere = int(X_train.shape[0]/batch_size)
            last = 0
            add = 1
            for start in range(itere):
                x_train_epoch = X_train[last: ((start + add) * batch_size),:]
                y_train_epoch = y_1Hot_train.eval()[last: ((start + add) * batch_size),:]
#                 print("shape of x", x_train_epoch.shape, "shape of y", y_train_epoch.shape)
                _, c = sess.run([optimizer, cost], feed_dict = {x: x_train_epoch, y: y_train_epoch})
                epoch_loss += c
                last = start * batch_size
                add = 0
            print('Epoch', epoch, 'completed out of', hm_epochs, 'loss', epoch_loss )
        correct = tf.equal(tf.argmax(prediction, 1), tf.argmax(y, 1))
        accuracy = tf.reduce_mean(tf.cast(correct, 'float'))
        print('Accuracy:', accuracy.eval( {x: X_test, y: y_1Hot_test.eval() }))

链接：

数据文件：

然而，当我运行代码时，我总是丢失“nan”。我不知道发生了什么。。。任何帮助都将不胜感激

WARNING:tensorflow:From <ipython-input-149-0164f4af7d52>:46: initialize_all_variables (from tensorflow.python.ops.variables) is deprecated and will be removed after 2017-03-02.
Instructions for updating:
Use `tf.global_variables_initializer` instead.
Epoch 0 completed out of 10 loss nan
Epoch 1 completed out of 10 loss nan
Epoch 2 completed out of 10 loss nan
Epoch 3 completed out of 10 loss nan
Epoch 4 completed out of 10 loss nan
Epoch 5 completed out of 10 loss nan
Epoch 6 completed out of 10 loss nan
Epoch 7 completed out of 10 loss nan
Epoch 8 completed out of 10 loss nan
Epoch 9 completed out of 10 loss nan
Accuracy: 0.589097

警告：tensorflow:From:46:initialize_所有_变量（来自tensorflow.python.ops.variables）已弃用，将在2017-03-02之后删除。
更新说明：
改用'tf.global\u variables\u initializer'。
第0纪元在10次损失中完成
第1纪元在10次损失中完成
第二纪元在10次损失中完成
第三纪元在10次损失中完成
第4纪元在10次损失中完成
第5纪元在10次损失中完成
第6纪元在10次损失中完成
第7纪元在10次损失中完成
第8纪元在10次损失中完成
第9纪元在10次损失中完成
准确度：0.589097

• 输入有nan，通过

  X[np.isnan（X）]=0来修正它

• 输入未缩放，请使用sklearn的

  StandardScaler

  对输入进行规范化

• 将权重设置为一个小的初始值，使用随机_normal中的stddev

• 修复输出计算中的错误：

  output=tf.add（tf.matmul（l3，输出层['weights'）），输出层['biases'））

---

请编写您的代码（代码的相关部分），而不是提供链接，谢谢！这些步骤使我的准确率从58.4%提高到71.5%！你还有什么其他建议来进一步提高准确性吗？在上面的链接中更新你的代码，我可以看一下。嗨，Vijay，我想知道你是否有机会看一下新代码？在这里和那里做一些小的调整已经让我达到了76%的最大准确率，但从那以后再也不能再高了。。。我很想了解你的想法。即使我得到了大约75%，我认为你需要检查你的输入功能，看看是否可以改进它们。