在深度学习中,在网络模型,优化器,损失函数均正确的情况下,可能在训练过程中会发生loss为nan的情况,这种情况下可能的一种原因是输入数据存在nan的情况,如果在数据量很多的情况下,可以通过以下方法来修正 假设我们读取的array为a import numpy as np def read(): arr=np.array([[1,2,3],[4,5,nan]]) whereisnan=np.isnan(arr) arr[whereisnan]=0 通过找到nan的位置并且将此处设定为0,可以避免loss变为nan 作者:Alden He