输入卷积网络的数据没有nan,为什么卷积层的输出是nan

请问大家，为什么我网络输入数据是没有脏数据的，直接用的OPENAI开源数据集，然后经过一个卷积层的输出变成了nan，在这个过程中损失值一直在正常下降，当损失值下降到0.017左右的时候，卷积网络的输出变成了nan

写回答
好问题 0 提建议
追加酬金
关注问题
分享
邀请回答
编辑收藏删除结题
收藏举报

1条回答默认最新

关注

码龄粉丝数原力等级 --

被采纳

被点赞

采纳率
丹一无二 2021-11-16 19:12
关注
你好，请问你解决了吗，我也遇到这个问题

解决无用
评论打赏
分享
举报

评论

按下Enter换行，Ctrl+Enter发表内容

报告相同问题？

关注问题

卷积后为什么会得到inf python 深度学习神经网络
2021-04-28 09:32

回答 1 已采纳你第六层的输出是12次方，会不会是溢出错误啊，为什么不进行一下BN那
分类卷积神经网络怎么识别视频？思路是什么 tensorflow 人工智能机器学习深度学习神经网络
2020-05-29 20:31

回答 1 已采纳 https://blog.csdn.net/xueweuchen/article/details/44216925
卷积神经网络，全连接层就是一个全连接神经网络吗人工智能机器学习深度学习神经网络
2021-01-04 10:51

回答 1 已采纳所有各种层连接在一起被叫做神经网络，如果这个神经网络只有全连接层，则叫做全连接神经网络。 “通过这三个层次将一个多种颜色通道高像素的图片提取特征，进行简化，然后将简化的结果当作一个全连接神经网络的输
卷积神经网络中loss值为nan的问题（已解决）
2018-09-04 12:20

喵嗷的博客卷积神经网络中loss值为nan的问题最近一直在学习AI方面的东西。想自己搞一个类似MINST的东东，用搞基神经网络，样本用自制的样本……然鹅理想是骨感的，现实是永远吃不上饭的。经过与各种错误轮战后，出现了更大...
请教一下长宽都是30怎么搭建卷积网络呢人工智能机器学习神经网络
2022-02-06 08:52

回答 2 已采纳一样的搭建啊，只不过你的30不好做，应该是32才对，这样相当于模型入口缩小4倍，这样你的全连接层的64x64x8就变成了16x16x8了，后面输出1000也可以一样缩小4倍，下面的都一样了，只要篇通道
卷积神经网络下面是如何将6变成16通道的深度学习
2021-01-10 22:20

回答 2 已采纳输入S2: [14, 14, 6], 经过卷积输出C3: [10, 10, 16], 输入有6个通道，输出有16个通道，假设卷积核大小为k，则每个卷积核的形状是[k，k，6], 每个卷积核和S2进行一
卷积神经网络连续输出多张图片的参数设置？ cnn 深度学习神经网络
2022-06-06 17:06

回答 1 已采纳那就是batchsize设置为5呗。
卷积神经网络的卷积核大小、个数，卷积层数如何确定呢？
2019-10-09 20:58

CV码的博客看到有些答案是刚开始随机初始化卷积核大小，卷积层数和map个数是根据经验来设定的，但这个里面应该是有深层次原因吧，比如下面的手写字卷积神经网络结构图1，最后输出为什么是12个map，即输出12个特征？然后图2又是...
关于#神经网络#的问题：卷积神经网络中的池化过程，是对输入层池化，还是提取特征值后再池化人工智能机器学习神经网络
2022-06-17 00:31

回答 3 已采纳卷积神经网络结构决定它先利用卷积层提取特征，将提取的特征输入到池化层进行池化，和输入层没关系了
贝叶斯模型和卷积神经网络啥关系人工智能数据挖掘机器学习神经网络自然语言处理
2019-03-28 15:45

回答 2 已采纳贝叶斯模型是一种基于概率的统计分析模型，用它可以构造单层的置信网络。卷积神经网络的特点是，在简化神经元连接的情况下，只有相邻的神经元的连结性被保留，所以适合图像识别这样的在几何上相邻坐标点存在局部
图卷积网络的数据集怎么处理深度学习
2023-02-15 16:56

回答 3 已采纳在使用图卷积网络进行图像分类时，可以将每个图像看做一个节点，并且通过像素之间的相邻关系（例如8邻域）将它们连接起来构成一个图，其中每个像素节点都连接到它周围的相邻像素节点。然后，为每个节点分配一个特征
深度学习网络nan问题
2021-12-11 22:02

ImangoCloud的博客主要是因为log的时候自变量可能是0，会得到-inf，0*inf就是nan l_preds[l_preds != l_preds] = 0. # 去除nan值其他人的方法 torch.log(x+1e-10) 参考
有没有必要每层卷积后都接ReLU?
2020-12-13 23:14

回答 3 已采纳一般来说是需要的，神经网络为何如此强大的原因一部分就归结于其引入了激活函数，使得函数经过隐藏层之间的层层调用，变成了线性可分，神经网络为何如此强大的原因一部分就归结于其引入了激活函数，使得函数经过隐藏
pytorch训练时前一次迭代的loss正常后一次迭代却报nan
2021-05-26 19:44

Michaelliu_dev的博客问题描述：训练一个有四个阶段模型的网络（可以简单理解每一阶段就是一个卷积层），每阶段输出都会进行loss计算。现将pytorch原始的ce loss改为focal loss后，网络训练了数个迭代后loss 报nan。输入数据检查过没有...
模型训练出现NAN
2022-08-10 17:09

小乐快乐的博客 1、在训练了很多个batch之后，提取出来的特征(经过了4层卷积层和全连接层)出现了很大很大的值，之后几个batch后出现NAN，而在没有经过全连接层的时候，特征数字还是正常的。# set diagonal as zero and normalize 原...
没有解决我的问题, 去提问

悬赏问题

¥15 执行 virtuoso 命令后，界面没有，cadence 启动不起来
¥50 comfyui下连接animatediff节点生成视频质量非常差的原因
¥20 有关区间dp的问题求解
¥15 多电路系统共用电源的串扰问题
¥15 slam rangenet++配置
¥15 有没有研究水声通信方面的帮我改俩matlab代码
¥15 ubuntu子系统密码忘记
¥15 信号傅里叶变换在matlab上遇到的小问题请求帮助
¥15 保护模式-系统加载-段寄存器
¥15 电脑桌面设定一个区域禁止鼠标操作

输入卷积网络的数据没有nan,为什么卷积层的输出是nan

1条回答 默认 最新

悬赏问题

1条回答默认最新