1樓：Hey-Yo
建議換個優化器，我前幾天也遇到了一樣的問題。
開始用的SGD優化器，調了半天引數，沒有結果。最後換成了Adam優化器，loss就正常了。
2樓：
開debug，逐步除錯，看feature裡有沒有0值，或過程中有沒有除0操作。
另外輸出特徵的scale要合理，可以嘗試normalize的操作，否則計算loss時可能因為數值過大而NaN。
3樓：
比較常見的錯因：
太大的學習率，調小試一下
輸入沒有白化（這個可能比較大），如果你載入了預訓練權重更有可能如果是自己搭的網路增加下BN，但你用的resnet50所以沒有這個問題
訓練階段輸出記得softmax，不啟用求交叉熵損失很有可能nan綜合來講，24可能性大點
4樓：斐波那契洗澡水
是分類問題嗎？Res50是自己寫的嗎？如果是，可以用官方實現重新實驗一下。
如果官方實現沒有這種情況，說明是自己搭建的模型有問題，如果也有這種情況，大概率是資料標註出了問題
5樓：肉臉吊面貓
看樣子是你的Loss不再變化了，因為我沒看過你網路的結構，我只能給出幾個建議，你需要乙個個排查。直到他成為乙個最簡單的CNN後（Conv layer, Pooling, Batchnorm, and MLP），才能排除是模型問題。
在輸入網路之前，使輸入資料標準化。
取消早停和動態學習率（這裡出錯導致Error可能性較大）在你的MLP隱藏層設定較大的神經元數，比如1024，因為MLP隱藏層提取所有 CNN 層壓縮的影象特徵
如果上面所有模組都去掉，變為最簡單CNN後，依然不見好轉，基本排除模型問題，檢視你資料的標籤是否有誤。
為什麼resnet不在一開始就使用residual block,而是使用乙個7 7的卷積？
Enabling Deep Residual Networks for Weakly Supervised Object Detection 把7x7換成3個3 the large kernel 7 7 convolutions in the stem blockweaken the informa...
使用彈性網elastic net進行多元線性回歸時，怎麼比較各個解釋變數的權重？
EricG 我覺得可能有這麼幾個思路可以考慮 看標準化以後的係數 線性回歸中，自變數的係數表示自變數變化乙個單位時，因變數變化的大小 係數越大，自變數對因變數的影響越大，也就越重要。但是必須是標準化以後的係數 比如你用克作為質量的單位，和用千克作為質量的單位，回歸出來的係數差了1000倍，但是你不能...
50焦段鏡頭如何進行風光攝影？
曹BOXING 正如其他回答所說，50mm給人帶來的感覺就像身臨其境，就好像眼前看到的景象。50mm在拼接的時候也帶來更少的畸變。50mm基本都是大光圈，有時也可以利用大光圈給較為雜亂的前景帶來虛化，帶來強烈的虛實對比。 No.3 50我最初拿來掃街，後來拿來拍人像。比起35是緊湊，但是緊湊有緊湊的...