训练 CNN 时大输入的 Tensorflow 熵为 NaN

Question

我使用 TensorFlow 创建了一个简单的卷积神经网络。 当我使用边缘 = 32px 的输入图像时，网络工作正常，但如果我将边缘增加两倍到 64px，则熵 retutrs 为 NaN。问题是如何解决这个问题？

CNN 结构非常简单，如下所示: 输入->卷积->pool2->卷积->池2->卷积->池2->fc->softmax

熵的计算方式如下:

prediction = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)
cross_entropy = tf.reduce_mean(-tf.reduce_sum(ys * tf.log(prediction), reduction_indices=[1]))       # loss
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
train_pred = tf.equal(tf.argmax(prediction, 1), tf.argmax(ys, 1))
train_accuracy = tf.reduce_mean(tf.cast(train_pred, tf.float32))

对于 64px 我有:

train_accuracy=0.09000000357627869, cross_entropy=nan, test_accuracy=0.1428571492433548
train_accuracy=0.2800000011920929, cross_entropy=nan, test_accuracy=0.1428571492433548
train_accuracy=0.27000001072883606, cross_entropy=nan, test_accuracy=0.1428571492433548

对于 32px，它看起来不错并且训练给出结果:

train_accuracy=0.07999999821186066, cross_entropy=20.63970184326172, test_accuracy=0.15000000596046448
train_accuracy=0.18000000715255737, cross_entropy=15.00744342803955, test_accuracy=0.1428571492433548
train_accuracy=0.18000000715255737, cross_entropy=12.469900131225586, test_accuracy=0.13571429252624512
train_accuracy=0.23000000417232513, cross_entropy=10.289153099060059, test_accuracy=0.11428571492433548

Answer 1

据我所知，当您计算log(0)时，会发生NAN。我也遇到了同样的问题。

tf.log(prediction) #This is a problem when the predicted value is 0.

您可以通过在预测中添加一点噪音来避免这种情况( related 1 、 related 2 )。

tf.log(prediction + 1e-10)

或者使用tensorflow中的clip_by_value函数，它定义传递张量的最小值和最大值。像这样的东西(Documentation):

tf.log(tf.clip_by_value(prediction, 1e-10,1.0))

希望有帮助。