pytorch 梯度NAN异常值的解决方案
更新时间：2021年06月05日 14:13:05 作者：sini2018
这篇文章主要介绍了pytorch 梯度NAN异常值的解决方案，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
pytorch 梯度NAN异常值
gradient 为nan可能原因：
1、梯度爆炸
2、学习率太大
3、数据本身有问题
4、backward时，某些方法造成0在分母上， 如：使用方法sqrt()
定位造成nan的代码：
import torch # 异常检测开启 torch.autograd.set_detect_anomaly(True) # 反向传播时检测是否有异常值，定位code with torch.autograd.detect_anomaly(): loss.backward()
pytorch处理inf和nan数值
在构建网络框架后，运行代码，发现很多tensor出现了inf值或者nan,在很多博客上没有找到对应的解决方法，大部分是基于numpy写的，比较麻烦。
下面基于torch BIF函数实现替换这2个值。
a = torch.Tensor([[1, 2, np.nan], [np.inf, np.nan, 4], [3, 4, 5]])
a
Out[158]:
tensor([[1., 2., nan],
[inf, nan, 4.],
[3., 4., 5.]])
下面把nan值还为0：
a = torch.where(torch.isnan(a), torch.full_like(a, 0), a)
a
Out[160]:
tensor([[1., 2., 0.],
[inf, 0., 4.],
[3., 4., 5.]])
接着把inf替换为1：
a = torch.where(torch.isinf(a), torch.full_like(a, 0), a)
a
Out[162]:
tensor([[1., 2., 0.],
[0., 0., 4.],
[3., 4., 5.]])
简单回顾
tips:对于某些tensor,可能已经开启了grad功能，需要把它先转为普通tensor（使用.data）
torch.where(condition,T,F) 函数有三个输入值，
第一个是判断条件，
第二个是符合条件的设置值，
第三个是不符合条件的设置值
torch.full_like(input, fill_value, …) 返回与input相同size，单位值为fill_value的矩阵
#如下面这个例子，a为3*3的tensor
b =torch.full_like(a, 0,)
b
Out[165]:
tensor([[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.]])
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
今天小编就为大家分享一篇用python 实现在不确定行数情况下多行输入方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-01-01
这篇文章主要介绍了python jieba库的基本使用，帮助大家更好的理解和学习使用python，感兴趣的朋友可以了解下2021-03-03
作为一个django使用的新手,在做练手项目中对联表查询感觉比较生疏,最近两天整理了一些连表查询应用场景和使用方法以及无法使用django中ORM操作的原生查询,对Django 联表查询操作感兴趣的朋友跟随小编一起看看吧2023-09-09
今天小编就为大家分享一篇pyqt5 实现工具栏文字图片同时显示的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-06-06
这篇文章主要介绍了OPCUA-Python实例,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2024-02-02
这篇文章主要介绍了Python实现批量下载图片的方法,涉及Python基于urllib、urllib2及re等模块获取URL及正则匹配下载图片的技巧,具有一定参考借鉴价值,需要的朋友可以参考下2015-07-07
《愤怒的小鸟》其实活得还不错，尽管我们一直在嘲笑它的IP帝国梦做得太大。但要知道，把休闲益智游戏的生意做到这个份上的，恐怕也就独此一家了。本文将利用Pygame实现这一游戏，需要的可以参考一下2022-04-04
这篇文章主要介绍了教你如何用python开发一款数字推盘小游戏,文中有非常详细的代码示例,喜对欢玩小游戏的或者正在学习python小游戏开发的小伙伴们有很好的帮助,需要的朋友可以参考下2021-04-04
这篇文章主要为大家详细介绍了windows下Virtualenvwrapper安装教程，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2017-12-12
这篇文章主要介绍了利用pandas按日期做分组运算的操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-03-03
最新评论