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：
|
1
2
3
4
5
6
|
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codewith 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。
|
1
2
3
4
5
6
7
|
a = torch.Tensor([[1, 2, np.nan], [np.inf, np.nan, 4], [3, 4, 5]]) aOut[158]: tensor([[1., 2., nan], [inf, nan, 4.], [3., 4., 5.]]) |
下面把nan值还为0：
|
1
2
3
4
5
6
7
|
a = torch.where(torch.isnan(a), torch.full_like(a, 0), a) aOut[160]: tensor([[1., 2., 0.], [inf, 0., 4.], [3., 4., 5.]]) |
接着把inf替换为1：
|
1
2
3
4
5
6
7
|
a = torch.where(torch.isinf(a), torch.full_like(a, 0), a) aOut[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
|
1
2
3
4
5
6
7
8
9
10
|
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tensorb =torch.full_like(a, 0,) bOut[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服务器之家。
原文链接：https://blog.csdn.net/sini2018/article/details/112088749
