Python 损失：执行回归时Keras中的NaN

我试图预测一个连续值（第一次使用神经网络）。我已经规范化了输入数据。我不明白为什么从第一个历元开始，我会得到一个

loss:nan

输出

我阅读并尝试了以前对同一个问题的答案中的许多建议，但没有一个对我有帮助。我的训练数据形状是：

（201917，64）

。这是我的密码：

model = Sequential()
model.add(Dense(100, input_dim=X.shape[1], activation='relu'))
model.add(Dense(100, activation='relu'))
model.add(Dense(100, activation='relu'))

# Output layer
model.add(Dense(1, activation='linear'))

# Construct the neural network inside of TensorFlow
model.compile(loss='mean_squared_error', optimizer='Adam')

# train the model
model.fit(X_train, y_train, epochs=10, batch_size=32,
shuffle=True, verbose=2)

---

以下是您可以采取的查找问题原因的步骤：

确保您的数据集应为：

• 在数据集中查找任何nan/inf，并修复它
• 编码不正确（将其转换为UTF-8）
• 列或行中的值无效

使用退出，批量标准化，L1/L2正则化，对模型进行标准化，更改批大小，或将数据缩放到其他范围（例如[-1，1]）

减小网络的大小

更改其他超参数（例如优化器或激活功能）

---

您可以查看并链接以获得额外的帮助。

有时，当学习率过高时，您会失去帮助。一个解决办法可能是减少它。替换此代码：

# Construct the neural network inside of TensorFlow
model.compile(loss='mean_squared_error', optimizer='Adam')

与：

---

看看这是否有帮助。我还将首先尝试使用一个隐藏层，看看它是如何运行的。

NaN

在输入数据帧中。在获取数据帧值之前，应替换

NaN

值。否则，它将爆炸渐变。

。人们通常只有在能够跟踪和调试的情况下才能提供帮助。第一项解决了我的问题。我的数据集中有我没有注意到的

NaN

值。谢谢真的<代码>df.isnull（）.sum（）

from keras.optimizers import Adam #maybe put this at the top of your file
opt = Adam(lr=0.0001) #0.001 was the default, so try a smaller one
model.compile(optimizer=opt, loss='mean_squared_error')