由于 Lp-Norm 作为自定义层，Tensorflow 损失得到 Nan

问题描述

Tensorflow Loss 由于 Lp-norm 作为自定义层使用以下代码得到 Nan：

class CLayerPowerDensity(Layer):

    def __init__(self,**kwargs):
        super(CLayerPowerDensity,self).__init__(**kwargs)

    def build(self,input_shape):
        self.lp = self.add_weight(name='lp_norm',shape=(1,),initializer='ones',trainable=False)
        super(CLayerPowerDensity,self).build(input_shape)

    def call(self,inputs):
        p = (self.lP**2) + 1 

        return K.pow(K.pow(K.abs(inputs[0]),p) + (K.pow(K.abs(inputs[1]),p)),(1/p))

有人知道我为什么在 Loss 中得到 nan 吗？以及如何解决问题....

如果我使用 return K.sqrt(((inputs[0] ** 2) + (inputs[1] ** 2))) 一切正常。即使具有上述返回值。但是，如果我将权重“lp-norm”设为 true，我的损失将变为 nan

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）