婷婷综合国产,91蜜桃婷婷狠狠久久综合9色 ,九九九九九精品,国产综合av

主頁 > 知識庫 > Pytorch訓練網絡過程中loss突然變為0的解決方案

Pytorch訓練網絡過程中loss突然變為0的解決方案

熱門標簽:唐山智能外呼系統一般多少錢 白銀外呼系統 海南400電話如何申請 哈爾濱ai外呼系統定制 陜西金融外呼系統 公司電話機器人 激戰2地圖標注 廣告地圖標注app 騰訊外呼線路

問題

// loss 突然變成0
python train.py -b=8
INFO: Using device cpu
INFO: Network:
        1 input channels
        7 output channels (classes)
        Bilinear upscaling
INFO: Creating dataset with 868 examples
INFO: Starting training:
        Epochs:          5
        Batch size:      8
        Learning rate:   0.001
        Training size:   782
        Validation size: 86
        Checkpoints:     True
        Device:          cpu
        Images scaling:  1
    
Epoch 1/5:  10%|██████████████▏                                                                                                                            | 80/782 [01:3313:21,  1.14s/img, loss (batch)=0.886I
NFO: Validation cross entropy: 1.86862473487854                                                                                                                                                                  
Epoch 1/5:  20%|███████████████████████████▊                                                                                                            | 160/782 [03:3411:51,  1.14s/img, loss (batch)=2.35e-7I
NFO: Validation cross entropy: 5.887489884504049e-10                                                                                                                                                             
Epoch 1/5:  31%|███████████████████████████████████████████▌                                                                                                  | 240/782 [05:4111:29,  1.27s/img, loss (batch)=0I
NFO: Validation cross entropy: 0.0                                                                                                                                                                               
Epoch 1/5:  41%|██████████████████████████████████████████████████████████                                                                                    | 320/782 [07:4909:16,  1.20s/img, loss (batch)=0I
NFO: Validation cross entropy: 0.0                                                                                                                                                                               
Epoch 1/5:  51%|████████████████████████████████████████████████████████████████████████▋                                                                     | 400/782 [09:5507:31,  1.18s/img, loss (batch)=0I
NFO: Validation cross entropy: 0.0                                                                                                                                                                               
Epoch 1/5:  61%|███████████████████████████████████████████████████████████████████████████████████████▏                                                      | 480/782 [12:0205:58,  1.19s/img, loss (batch)=0I
NFO: Validation cross entropy: 0.0                                                                                                                                                                               
Epoch 1/5:  72%|█████████████████████████████████████████████████████████████████████████████████████████████████████▋                                        | 560/782 [14:0404:16,  1.15s/img, loss (batch)=0I
NFO: Validation cross entropy: 0.0                                                                                                                                                                               
Epoch 1/5:  82%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏                         | 640/782 [16:1102:49,  1.20s/img, loss (batch)=0I
NFO: Validation cross entropy: 0.0                                                                                                                                                                               
Epoch 1/5:  92%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋           | 720/782 [18:2101:18,  1.26s/img, loss (batch)=0I
NFO: Validation cross entropy: 0.0                                                                                                                                                                               
Epoch 1/5:  94%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋        | 736/782 [19:1701:12,  1.57s/img, loss (batch)=0]
Traceback (most recent call last):
  File "train.py", line 182, in module>
    val_percent=args.val / 100)
  File "train.py", line 66, in train_net
    for batch in train_loader:
  File "/public/home/lidd/.conda/envs/lgg2/lib/python3.6/site-packages/torch/utils/data/dataloader.py", line 819, in __next__
    return self._process_data(data)
  File "/public/home/lidd/.conda/envs/lgg2/lib/python3.6/site-packages/torch/utils/data/dataloader.py", line 846, in _process_data
    data.reraise()
  File "/public/home/lidd/.conda/envs/lgg2/lib/python3.6/site-packages/torch/_utils.py", line 385, in reraise
    raise self.exc_type(msg)
RuntimeError: Caught RuntimeError in DataLoader worker process 4.
Original Traceback (most recent call last):
  File "/public/home/lidd/.conda/envs/lgg2/lib/python3.6/site-packages/torch/utils/data/_utils/worker.py", line 178, in _worker_loop
    data = fetcher.fetch(index)
  File "/public/home/lidd/.conda/envs/lgg2/lib/python3.6/site-packages/torch/utils/data/_utils/fetch.py", line 47, in fetch
    return self.collate_fn(data)
  File "/public/home/lidd/.conda/envs/lgg2/lib/python3.6/site-packages/torch/utils/data/_utils/collate.py", line 74, in default_collate
    return {key: default_collate([d[key] for d in batch]) for key in elem}
  File "/public/home/lidd/.conda/envs/lgg2/lib/python3.6/site-packages/torch/utils/data/_utils/collate.py", line 74, in dictcomp>
    return {key: default_collate([d[key] for d in batch]) for key in elem}
  File "/public/home/lidd/.conda/envs/lgg2/lib/python3.6/site-packages/torch/utils/data/_utils/collate.py", line 55, in default_collate
    return torch.stack(batch, 0, out=out)
RuntimeError: Expected object of scalar type Double but got scalar type Byte for sequence element 4 in sequence argument at position #1 'tensors'

交叉熵損失函數是衡量輸出與標簽之間的損失,通過求導確定梯度下降的方向。

loss突然變為0,有兩種可能性。

一是因為預測輸出為0,二是因為標簽為0。

如果是因為標簽為0,那么一開始loss就可能為0.

檢查參數初始化

檢查前向傳播的網絡

檢查loss的計算格式

檢查梯度下降

是否出現梯度消失。

實際上是標簽出了錯誤

補充:pytorch訓練出現loss=na

遇到一個很坑的情況,在pytorch訓練過程中出現loss=nan的情況

有以下幾種可能:

1.學習率太高。

2.loss函數有問題

3.對于回歸問題,可能出現了除0 的計算,加一個很小的余項可能可以解決

4.數據本身,是否存在Nan、inf,可以用np.isnan(),np.isinf()檢查一下input和target

5.target本身應該是能夠被loss函數計算的,比如sigmoid激活函數的target應該大于0,同樣的需要檢查數據集

以上為個人經驗,希望能給大家一個參考,也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方,望不吝賜教。

您可能感興趣的文章:
  • 解決Pytorch半精度浮點型網絡訓練的問題
  • PyTorch梯度裁剪避免訓練loss nan的操作
  • pytorch訓練神經網絡爆內存的解決方案
  • Pytorch訓練模型得到輸出后計算F1-Score 和AUC的操作
  • pytorch加載預訓練模型與自己模型不匹配的解決方案
  • pytorch 如何使用float64訓練

標簽:常德 鷹潭 黔西 四川 惠州 黑龍江 上海 益陽

巨人網絡通訊聲明:本文標題《Pytorch訓練網絡過程中loss突然變為0的解決方案》,本文關鍵詞  Pytorch,訓練,網絡,過程中,;如發現本文內容存在版權問題,煩請提供相關信息告之我們,我們將及時溝通與處理。本站內容系統采集于網絡,涉及言論、版權與本站無關。
  • 相關文章
  • 下面列出與本文章《Pytorch訓練網絡過程中loss突然變為0的解決方案》相關的同類信息!
  • 本頁收集關于Pytorch訓練網絡過程中loss突然變為0的解決方案的相關信息資訊供網民參考!
  • 推薦文章
    婷婷综合国产,91蜜桃婷婷狠狠久久综合9色 ,九九九九九精品,国产综合av
    国产亚洲一区二区在线观看| 欧美人xxxx| 麻豆91免费观看| 日韩影院在线观看| 日韩黄色一级片| 精品写真视频在线观看| 久久精品国产999大香线蕉| av在线不卡电影| 岛国一区二区三区| 成人av在线播放网站| 91论坛在线播放| 欧美日韩在线播放一区| 欧美精品日日鲁夜夜添| 久久综合久色欧美综合狠狠| 精品va天堂亚洲国产| 国产精品视频线看| 又紧又大又爽精品一区二区| 日韩精品乱码av一区二区| 日本美女视频一区二区| 国产成人免费在线| 色综合中文字幕| 欧美一级二级三级蜜桃| 日本一区二区不卡视频| 亚洲人成7777| 蜜桃视频在线观看一区| 成人精品一区二区三区四区| 在线观看视频91| 久久综合色8888| 一区二区三区中文字幕| 精品一区二区三区久久| 91官网在线免费观看| 欧美成人性福生活免费看| 亚洲视频免费看| 国内精品视频一区二区三区八戒| 波多野结衣一区二区三区| 欧美一区二区福利视频| 亚洲天堂福利av| 国产精品自在欧美一区| 欧美男男青年gay1069videost | 亚洲午夜精品网| 国产一区二区主播在线| 欧美巨大另类极品videosbest| 国产精品欧美综合在线| 麻豆精品一区二区av白丝在线| 91一区二区在线观看| 精品国产123| 全部av―极品视觉盛宴亚洲| 91麻豆高清视频| 国产欧美精品一区二区色综合朱莉| 日韩在线观看一区二区| 欧美日韩一区成人| 亚洲激情第一区| 99re这里只有精品视频首页| 久久久国产精品午夜一区ai换脸| 午夜久久久久久久久| 欧洲av在线精品| 亚洲欧美经典视频| 91在线播放网址| 国产精品天干天干在观线| 久久不见久久见免费视频1| 欧美日韩午夜精品| 亚洲综合视频网| 色婷婷激情综合| 亚洲欧美激情插| 91蜜桃在线免费视频| 中文字幕日本乱码精品影院| 日韩午夜激情视频| 午夜av电影一区| 制服丝袜中文字幕一区| 天堂蜜桃91精品| 91精品福利在线一区二区三区 | 国产精品69毛片高清亚洲| 91精品视频网| 日本不卡视频在线观看| 日韩欧美亚洲一区二区| 蜜桃视频在线观看一区| 久久久久久综合| 成人av资源在线| 亚洲精品老司机| 欧美区一区二区三区| 老司机精品视频导航| 欧美激情一区三区| 91丨porny丨户外露出| 亚洲精品成人精品456| 欧美三级在线视频| 蜜臀91精品一区二区三区| 久久久久久久久久久久久久久99| 国产.精品.日韩.另类.中文.在线.播放| 欧美国产日韩在线观看| 91啪在线观看| 日韩国产欧美视频| 国产丝袜在线精品| 在线免费av一区| 久久超碰97中文字幕| 国产精品国产三级国产aⅴ中文 | 99精品桃花视频在线观看| 一区二区三区国产精品| 天堂影院一区二区| 欧美成人官网二区| 91在线免费播放| 久久精品国产秦先生| 一区在线观看视频| 日韩午夜在线影院| 97精品视频在线观看自产线路二| 亚洲成av人片一区二区| 欧美精品一区二区三区四区| 色猫猫国产区一区二在线视频| 日本最新不卡在线| 亚洲欧美一区二区久久| 日韩欧美一级在线播放| 91久久久免费一区二区| 国产中文字幕精品| 日韩国产成人精品| 亚洲欧美日韩久久| 精品少妇一区二区三区日产乱码| 色综合色综合色综合色综合色综合| 日韩av网站免费在线| 一区二区三区91| 中文字幕免费观看一区| 91精品国产麻豆国产自产在线| 成人av网站免费| 国产美女一区二区三区| 午夜成人免费电影| 国产精品无人区| 久久视频一区二区| 日韩欧美国产电影| 欧美日本一区二区在线观看| 成人妖精视频yjsp地址| 国内精品免费**视频| 亚洲成av人影院| 亚洲精品国产视频| 国产精品国产a| 中文字幕成人av| 久久久久九九视频| 26uuu精品一区二区在线观看| 这里只有精品免费| 欧美日韩国产首页| 欧美色图12p| 色婷婷一区二区三区四区| 99热精品国产| 99国产欧美另类久久久精品| 成人免费看视频| 不卡av电影在线播放| av不卡在线观看| 在线亚洲一区观看| 欧美性大战久久| 69堂精品视频| 欧美日韩免费观看一区三区| 欧美中文字幕久久| 欧美日韩精品一区二区三区蜜桃 | 亚洲精品国产精华液| 亚洲日本va午夜在线影院| 中文字幕一区在线观看视频| 国产精品萝li| 亚洲综合色区另类av| 午夜欧美电影在线观看| 日本伊人午夜精品| 国产一区二区在线看| av激情成人网| 欧美亚男人的天堂| 日韩欧美一区二区视频| 久久这里只有精品6| 国产欧美精品国产国产专区| 综合久久久久综合| 午夜精品久久久久影视| 久久成人18免费观看| 大尺度一区二区| 欧美视频一区二区| 337p日本欧洲亚洲大胆精品| 欧美国产精品一区二区三区| 亚洲乱码一区二区三区在线观看| 亚洲午夜激情网站| 国产一区二区三区综合| 色妞www精品视频| 91精品国产欧美一区二区18| 久久精品视频免费观看| 一区二区国产盗摄色噜噜| 美女高潮久久久| 92国产精品观看| 欧美成人一级视频| 亚洲裸体在线观看| 国产美女精品一区二区三区| 色婷婷av一区二区三区大白胸| 欧美精品久久99久久在免费线 | 在线欧美日韩精品| 欧美大片在线观看一区| 亚洲欧美日韩一区二区三区在线观看| 午夜精彩视频在线观看不卡| 国产传媒欧美日韩成人| 777a∨成人精品桃花网| 日本一区二区三区在线观看| 日韩国产高清在线| 91一区一区三区| 国产欧美日韩三区| 六月丁香婷婷久久| 91官网在线观看| 综合婷婷亚洲小说| 粉嫩蜜臀av国产精品网站| 欧美不卡一区二区三区四区| 三级久久三级久久久|