嵌入层输出nan

Question

我正在尝试学习 seq2seq 模型。 嵌入层位于编码器中，它有时会在一些迭代后输出 nan 值。 我无法确定原因。 我该如何解决这个问题？ 问题出在下面代码中forward函数中的第一个emb_layer。

class TransformerEncoder(nn.Module):
    def __init__(self, vocab_size, hidden_size=1024, num_layers=6, dropout=0.2, input_pad=1, batch_first=False, embedder=None, init_weight=0.1):
        super(TransformerEncoder, self).__init__()
        self.input_pad = input_pad
        self.vocab_size = vocab_size
        self.num_layers = num_layers
        self.embedder = embedder

        if embedder is not None:
            self.emb_layer = embedder
        else:
            self.emb_layer = nn.Embedding(vocab_size, hidden_size, padding_idx=1)

        self.positional_encoder = PositionalEncoder()
        self.transformer_layers = nn.ModuleList()
        for _ in range(num_layers):
            self.transformer_layers.append(
                    TransformerEncoderBlock(num_heads=8, embedding_dim=1024, dropout=dropout))

    def set_mask(self, inputs):
        self.input_mask = (inputs == self.input_pad).unsqueeze(1)

    def forward(self, inputs):
        x = self.emb_layer(inputs)
        x = self.positional_encoder(x)

Answer 1

看起来有些权重变成了 nan。可能的原因之一是在某些迭代中，层输出为 +-inf。如果向前输出为 +-inf，向后输出将有一个 +-inf 并且当 inf - inf = none 时，权重将变为无，并且在所有后续迭代中都将输出无。

您可以通过跟踪 emb_layer 中的 inf 输出来检查这一点。

如果是这个原因，请尽量避免使用可能返回 inf 值的函数。

Answer 2

与我所遵循的教程的维度相比，我的数据库非常小，而且我的嵌入对于我的可用数据来说太大了，因此最终 NaN 会通过网络传播。使我的嵌入网络更小（矩阵中的因子/列数更少）为我解决了 NaN 问题。

Answer 3

通常是输入多于权重往往会变成 nan（太高或太低）。也许这些开始时是不正确的，并且在一些梯度之后会恶化。您可以通过运行张量或 np.array 通过简单的条件检查来识别这些输入，例如：

print("Inp value too high") if len(bert_embeddings[bert_embeddings>1000]) > 1 else None

初学者的一个常见错误是使用 torch.empty 而不是 torch.zeros。随着时间的推移，这总是会导致 Nan。

如果您的所有输入都很好，那么这就是梯度消失或爆炸的问题。查看几次迭代后问题是否会恶化。探索通常可以解决此类问题的不同激活或剪切渐变。如果您使用的是最新的优化器，您通常无需担心调整学习率。