【发布时间】：2021-10-12 01:38:11
【问题描述】：
我知道这里还有其他关于“Loss is NaN”的问题，但我正在使用 François Chollet（Keras 的作者）提供的示例代码，这应该是最简单的示例。我认为我的问题可能与其他人遇到的不同。
主要是我想知道我可以用这个 API 做些什么来深入了解问题所在。
这里是代码。经过几个小的修改，它直接来自 Chollet 的“使用 Python 进行深度学习”。
import os
os.environ["KERAS_BACKEND"] = "plaidml.keras.backend"
from keras.datasets import mnist
(train_images,train_labels),(test_images,test_labels) = mnist.load_data()
from keras import models
from keras import layers
network = models.Sequential()
network.add(layers.Dense(512, activation='relu', input_shape=(28 * 28,), name="layer1"))
network.add(layers.Dense(10, activation='softmax', name="layer2"))
network.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])
train_images = train_images.reshape((60000, 28 * 28))
train_images = train_images.astype('float32') / 255
test_images = test_images.reshape((10000, 28 * 28))
test_images = test_images.astype('float32')/255
from keras.utils import to_categorical
train_labels = to_categorical(train_labels)
test_labels = to_categorical(test_labels)
network.fit(train_images, train_labels, epochs=5, batch_size=128)
test_loss, test_acc = network.evaluate(test_images, test_labels)
print('Accuracy: ', test_acc)
print('Loss: ', test_loss)
我怀疑问题可能出在后端（前两行）。
症状是我在训练网络时看到的只是“loss:nan”和 0.0987 的准确度数。
我已经阅读了其他有此错误的线程，他们建议更改优化器的一些参数或方法。例如，根据我阅读的其他线程，我已经尝试过：
from keras import optimizers
opt = optimizers.Adam(1e-2)
network.compile(optimizer=opt, loss='categorical_crossentropy', metrics=['accuracy'])
它不会改变症状。我在初始化程序中输入了什么参数并不重要，我尝试了从 0.01 到 1e-8 的值。相同的症状。
我在 Macbook Air 上运行。它没有 Nvidia GPU，因此无法运行 Keras 用于加速的 CUDA 库。相反，我按照我在网上找到的文章的建议安装了 OpenCL 和 PlaidML，并将最初的两行添加到脚本中。
我非常怀疑 PlaidML 的设置有问题，但它通过了安装程序提供的测试，我没有看到任何与显卡相关的警告或错误消息。
如果不是这样，我不知道会是什么。
无论如何，作为深度学习的新手，对于 Keras 来说，并且在 Python 方面还相对缺乏经验，我完全不知道我可以做些什么来尝试深入了解这里发生的事情。 Keras 有没有给我调试工具？
【问题讨论】：
-
我按原样运行了您的代码，并且运行完美。我认为是您的环境导致了问题，因此我建议您使用免费的在线资源，例如“google colab”或“Kaggle”。
标签： python keras deep-learning