我正在keras中訓(xùn)練一個(gè)自動(dòng)編碼器，其定義如下：model = Sequential()model.add(LSTM(100, activation='relu', input_shape=(430, 3)))model.add(RepeatVector(430))model.add(LSTM(100, activation='relu', return_sequences=True))model.add(TimeDistributed(Dense(3)))model.compile(optimizer='adam', loss='mean_squared_error', metrics=['accuracy'])print(model.summary())context_paths = loadFile()X_train, X_test = train_test_split(context_paths, test_size=0.20)print('Fitting model.')history = model.fit(X_train, X_train, epochs=1, batch_size=8, verbose=1, shuffle=True, validation_data=(X_test, X_test))predict_sample = X_train[0].reshape((1, 430, 3))predict_output = model.predict(predict_sample, verbose=0)print(predict_output[0, :, 0])這段代碼沒有給出任何錯(cuò)誤，但是當(dāng)我運(yùn)行它時(shí)，損失是nan。我已經(jīng)檢查了有關(guān)SO的一些問題，發(fā)現(xiàn)在以下情況下會(huì)出現(xiàn)此問題：nan或無(wú)限值存在 -->我檢查了我的輸入數(shù)據(jù)，哪個(gè)返回，所以我也做了哪個(gè)返回，所以我假設(shè)我的數(shù)據(jù)是正確的numpy.isnan(myarray).any()Falsenumpy.isfinite(myarray).any()True批量太大-->我從32個(gè)減少到8個(gè)，沒有多大幫助層大小太大-->我從100減少到24，沒有多大幫助以下是前幾批的圖片：在這里，損失是巨大的，但我不確定是什么原因造成的。我的數(shù)據(jù)集中的數(shù)字范圍已達(dá)到 int32 的極限。此外，我的數(shù)據(jù)也用0填充。