我有大约360个图像，分割了%25作为验证数据。我可以用这些图像训练Deeplabv3，而不会有任何问题。稍后，我添加了大约40张带有标签的图像。但该模型现在开始给出验证损失总是nan。有时，它在第一个历元就给出了一些验证损失值，但从第二个历元开始，验证损失总是nan。奇怪的是，我仍然可以用相同的数据训练Unet或任何其他模型，而不会出现任何问题。后来，我丢弃了这40张图片，训练了Deeplabv3，然后再次工作，没有任何问题。我已经检查了这些图像的标签和所有内容，看起来新图像没有问题。你知道是什么导致了这个问题吗？
假设你还没有解决这个问题或继续前进，如果你使用的是Deeplabv3的tf.keras实现，请检查你的DilatedSpatialPyramidPooling层，在该层的卷积块中，要么注释掉BatchNormalization，要么像一样用Flatten和Reshape包围它
x = layers.Flatten()(x)
x = layers.BatchNormalization()(x)
x = layers.Reshape((1,1,-1))(x)
批次范数和空间维度(如(1,1，num_channels((可能会有一些奇怪的行为，但我不完全确定原因。然而，它解决了我的问题。