问题 - 图片分类
深度学习刚入门，在跟课程学习水色图片分类时，想尝试用神经网络来进行预测，但是Loss一直都是NAN，正确率也只有第一轮
总共有4种水质，197个样本，且图片均已做过crop和标准化（因为只是好奇想试一下，所以没有做数据增强，每个样本量在50左右）
运行代码
from water_data_preocess import x_CNN, y
from sklearn.model_selection import train_test_split
import tensorflow as tf
x_train, x_test, y_train, y_test = train_test_split(x_CNN, y, train_size=0.8, random_state=23)
max = x_train.max()
min = x_train.min()
def minmaxscaler(data):
data = (data - min)/(max - min)
return data
x_train = tf.constant(minmaxscaler(x_train), dtype=tf.float32)
x_test = tf.constant(minmaxscaler(x_test), dtype=tf.float32)
y_train = tf.constant(y_train, dtype=tf.float32)
y_test = tf.constant(y_test, dtype=tf.float32)
tf.keras.backend.clear_session()
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Conv2D(filters=32, kernel_size=(3, 3), input_shape=(100, 100, 3), activation='relu'))
model.add(tf.keras.layers.MaxPool2D(pool_size=(2, 2)))
model.add(tf.keras.layers.Conv2D(filters=64, kernel_size=(3, 3), activation='relu'))
model.add(tf.keras.layers.MaxPool2D(pool_size=(2, 2)))
model.add(tf.keras.layers.BatchNormalization())
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(units=32, activation='relu'))
model.add(tf.keras.layers.Dense(units=4, activation=tf.keras.activations.softmax))
model.compile(optimizer=tf.keras.optimizers.Adam(),
loss=tf.keras.losses.SparseCategoricalCrossentropy(),
metrics=tf.keras.metrics.SparseCategoricalAccuracy())
model.summary()
model.fit(x_train, y_train, epochs=20, batch_size=32)
model.evaluate(x_test, y_test)
处理后的数据集情况如下：
这是处理后的图片：
检查过了，没有坏样本
运行结果及报错内容
这是前五次的结果：
5/5 [] - 6s 35ms/step - loss: nan - sparse_categorical_accuracy: 0.0318
Epoch 2/20
5/5 [] - 0s 7ms/step - loss: nan - sparse_categorical_accuracy: 0.0000e+00
Epoch 3/20
5/5 [] - 0s 8ms/step - loss: nan - sparse_categorical_accuracy: 0.0000e+00
Epoch 4/20
5/5 [] - 0s 7ms/step - loss: nan - sparse_categorical_accuracy: 0.0000e+00
Epoch 5/20
5/5 [] - 0s 8ms/step - loss: nan - sparse_categorical_accuracy: 0.0000e+00
参考过很多解决Loss消失或爆炸的文章
试过将学习率调整为0，Loss也是第一轮就NAN。。batch_size调整为1的时候也是一样的结果，还试过L2正则化，修改模型等。这个模型是参考做minist识别时的CNN，同样的模型那边能跑出来结果，这边就跑不出来。。
