这是我的代码:
model = Sequential()
model.add(Dense(50, input_dim=33, init='uniform', activation='relu'))
for u in range(3): #how to efficiently add more layers
model.add(Dense(33, init='uniform', activation='relu'))
model.add(Dense(122, init='uniform', activation='sigmoid'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
#This line of code is an update to the question and may be responsible
model.fit(X_train, Y_train, nb_epoch=35, batch_size=20, validation_split=0.2, callbacks=[EarlyStopping(monitor='val_loss', patience=10)])
它正在运行 Epochs 并在准确性上变得更好,但随后损失开始为 nan,准确性下降。我使用了 model.predict
并从中得到了一个错误。
有人解决了吗?
最佳答案
如果您使用 categorical_crossentropy
作为损失函数,那么模型的最后一层应该是 softmax
。
这里您使用的是 sigmoid
,它有可能使输出的所有维度都接近 0,这将导致损失溢出,因此 nan
。
关于python - 如何防止丢失 : nan while I'm fitting my keras model?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42472447/