溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章將為大家詳細講解有關pytorch交叉熵損失輸出為負數怎么解決，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。
網絡訓練中，loss曲線非常奇怪
交叉熵怎么會有負數。
經過排查，交叉熵不是有個負對數嗎，當網絡輸出的概率是0-1時，正數。可當網絡輸出大于1的數，就有可能變成負數。
所以加上一行就行了
out1 = F.softmax(out1, dim=1)
補充知識：在pytorch框架下，訓練model過程中，loss=nan問題時該怎么解決？
當我在UCF-101數據集訓練alexnet時，epoch設為100，跑到三十多個epoch時，出現了loss=nan問題，當時是一臉懵逼，在查閱資料后，我通過減小學習率解決了問題，現總結一下出現這個問題的可能原因及解決方法：
1. 減小整體學習率。學習率比較大的時候，參數可能over shoot了，結果就是找不到極小值點；減小學習率可以讓參數朝著極值點前進；
2. 改變網絡寬度。有可能是網絡后面的層參數更新異常，增加后面層的寬度試試；
3. 改變層的學習率。每個層都可以設置學習率，可以嘗試減小后面層的學習率試試；
4. 數據歸一化（減均值，除方差，或者加入normalization，例如BN、L2 norm等）；
5. 加入gradient clipping；
6 輸入數據含有臟數據，即NaN,一般當使用實際業務的真實數據時，容易出現臟數據。
關于pytorch交叉熵損失輸出為負數怎么解決就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
