深度学习 loss 是nan的可能原因

1 loss 损失值非常大，超过了浮点数的范围，所以表示为overflow 状态下的男。

解决办法：

减小学习率，观察loss值是不是还是nan

在将数据输入模型前，进行恰当的归一化 缩放

2 loss 的计算中存在除以0， log(0) 的情况， 需要检查是不是有这样的情况出现。

一般情况下loss 不应该是nan或者0。