Python 为什么在GAN的训练鉴别器和生成器中得到nan损失值？
我使用gensim库保存了我的文本向量，该库由一些负数组成。这会影响培训吗？Python 为什么在GAN的训练鉴别器和生成器中得到nan损失值？,python,tensorflow,generative-adversarial-network,Python,Tensorflow,Generative Adversarial Network,我使用gensim库保存了我的文本向量，该库由一些负数组成。这会影响培训吗？ 如果没有，那么为什么在经过特定的训练步骤后，我首先得到鉴别器的nan损失值，然后再得到鉴别器和生成器的nan损失值？nan损失有几个原因，以及模型出现分歧的原因我见过的最常见的是： 你的学习率太高了。如果是这种情况，损失会增加，然后发散到无穷大 您将得到一个被零除的错误。如果是这种情况，您可以在输出概率中添加一个小数字，如1e-8 您的输入错误。如果是这种情况，请确保您的模型不包含NAN。i、 e.对输入数据使用as
如果没有，那么为什么在经过特定的训练步骤后，我首先得到鉴别器的nan损失值，然后再得到鉴别器和生成器的nan损失值？nan损失有几个原因，以及模型出现分歧的原因我见过的最常见的是：
- 你的学习率太高了。如果是这种情况，损失会增加，然后发散到无穷大
- 您将得到一个被零除的错误。如果是这种情况，您可以在输出概率中添加一个小数字，如
1e-8 - 您的输入错误。如果是这种情况，请确保您的模型不包含NAN。i、 e.对输入数据使用
assert not np.any（np.isnan（x）） - 您的标签不在目标函数的相同域中。如果是这种情况，请检查标签的范围并确保它们匹配
最后，虽然不太可能，但您使用的框架可能存在缺陷。如果有其他人有相同的问题，请检查框架的回购。NaN损失有几个原因，以及模型分歧的原因我见过的最常见的是：
- 你的学习率太高了。如果是这种情况，损失会增加，然后发散到无穷大
- 您将得到一个被零除的错误。如果是这种情况，您可以在输出概率中添加一个小数字，如
1e-8 - 您的输入错误。如果是这种情况，请确保您的模型不包含NAN。i、 e.对输入数据使用
assert not np.any（np.isnan（x）） - 您的标签不在目标函数的相同域中。如果是这种情况，请检查标签的范围并确保它们匹配
最后，虽然不太可能，但您使用的框架可能存在缺陷。如果有其他人存在相同问题，请检查框架的回购协议。这里是获得NAN损失的可能原因的详细答案这里是获得NAN损失的可能原因的详细答案好的，我会尝试，但首先我需要澄清。我有彩色图像的数据集，其中一些是RGB的形式，一些是RGBA的形式。我应该如何将它们输入到我的模型中？此外，我首先为generator获取nan损耗值。您需要标准化您的输入，并使用相同类型的数据为您的网络提供数据。在开发ML模型时，预处理是非常重要的。我正在这样做，我知道学习率有点高，所以通过降低它，我可以顺利运行。谢谢你这么说。如果这解决了您的问题，请将其标记为已解决，以便其他人可以从解决方案中受益。好的，我会尝试，但首先我需要澄清。我有彩色图像的数据集，其中一些是RGB的形式，一些是RGBA的形式。我应该如何将它们输入到我的模型中？此外，我首先为generator获取nan损耗值。您需要标准化您的输入，并使用相同类型的数据为您的网络提供数据。在开发ML模型时，预处理是非常重要的。我正在这样做，我知道学习率有点高，所以通过降低它，我可以顺利运行。谢谢你这么说。如果这解决了您的问题，请将其标记为已解决，以便其他人可以从解决方案中受益。