Keras Neuronale Netze, Wie NaN-Werte in der Ausgabe zu entfernen?

Question

Ich erhalte immer ein paar NaN-Ausgänge von meinem neuronalen Netzwerk mit Keras. Ich bekomme nur etwa ein NaN pro 10.000 Ergebnisse. Ursprünglich hatte ich eine Aktivierungsschicht, die in die finale Softmax-Schicht einlief. Dies erzeugte mehr NaN-Ergebnisse. Ich änderte die Aktivierungsfunktion für die letzten beiden dichten Schichten im konstitutionellen Netzwerk von Reluz nach Sigmoid. Das machte das Problem besser, aber ich bekomme immer noch NaN. Irgendwelche Ratschläge wie ich Nan komplett eliminieren kann?

model = Sequential() 
model.add(InputLayer((1, IMG_H, IMG_W))) 

model.add(Convolution2D(32, 3, 3, activation = 'relu')) 
model.add(Convolution2D(32, 3, 3, activation = 'relu')) 
model.add(MaxPooling2D(pool_size = (2, 2))) 

model.add(Dropout(0.3)) 

model.add(Convolution2D(64, 3, 3, activation = 'relu')) 
model.add(Convolution2D(64, 3, 3, activation = 'relu')) 
model.add(MaxPooling2D(pool_size = (2, 2))) 

model.add(Dropout(0.3)) 

model.add(Flatten()) 
model.add(Dense(256, activation = 'sigmoid')) 
model.add(Dropout(0.3)) 
model.add(Dense(64, activation = 'sigmoid')) 
model.add(Dropout(0.3)) 
model.add(Dense(categories, activation = 'softmax')) 

Answer 1

Sieht aus wie Sie das Problem gelöst haben, aber für die Zukunft gibt es eine nice question, die unter anderem die Überprüfung empfiehlt, ob Sie nan Eingänge haben.