训练过程中发现，train loss一直下降，train acc一直上升；但是val loss、val acc却一直震荡。loss一会上一会下，但是总体趋势是向下的。
“loss震荡但验证集准确率总体下降” 如何解决？
测试集准确率这样震荡是正常的吗？ - 李峰的回答 - 知乎
很多经验：loss问题汇总（不收敛、震荡、nan） - 飞狗的文章 - 知乎
训练过程中loss震荡特别严重，可能是什么问题？ - 孤歌的回答 - 知乎
模型训练中出现NaN Loss的原因及解决方法_loss为nan的原因_there2belief的博客
学习率和loss的关系？
w1 = w0-学习率*梯度（
）
loss = |ypred-ytrue|
训练深度学习模型loss为nan的原因
模型时遇到个问题：在大样本训练模型时候的loss为nan，尝试了各种方法也没有什么起色，最终一起分析了一番拟确定了原因，这边就分享下可能的原因可供分析调整~
原因
1.模型问题
- 网络结构设计问题
通过弱化场景，简化样本的方式去检查是否为网络的问题
- 损失函数设置不合理
- 激活函数选择不当
- 参数初始化问题
2.数据问题
- 数据需归一化
- 减均值
- 除方差
- 加入normalization(BN\L2 norm等)
- 数据标签不在[0, num_classes)范围内
- 训练样本存在脏数据
这个是和师弟最终确定的原因，因为在实际业务中的真实数据需要耗费较多的时间去处理，不像open dataset那样已经帮你处理的干干净净，所以如上述的方法一一检查过了还是没有成效的话，一定要好好地检查下数据。
3.训练问题
loss为nan的说明loss发散，这个时候需要考虑下梯度爆炸的可能，那么相应的解法方式如下：
- 调小学习率lr
- 调小batch size
- 加入gradient clipping
什么是loss发散？（Loss变为NaN怎么办？）
因为学习率过大的话，每次参数更新步子迈得太大，loss直接不往极小值点走了，结果越更新离极小值点越远。这就是所谓的loss发散。发散着发散着loss越来越大，就变为NaN了。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
