網絡訓練中，loss曲線非常奇怪
交叉熵怎麼會有負數。
經過排查，交叉熵不是有個負對數嗎，當網絡輸出的概率是0-1時，正數。可當網絡輸出大於1的數，就有可能變成負數。
所以加上一行就行了
out1 = F.softmax(out1, dim=1)
補充知識：在pytorch框架下，訓練model過程中，loss=nan問題時該怎麼解決？
當我在UCF-101數據集訓練alexnet時，epoch設為100，跑到三十多個epoch時，出現了loss=nan問題，當時是一臉懵逼，在查閱資料後，我通過減小學習率解決了問題，現總結一下出現這個問題的可能原因及解決方法：
1. 減小整體學習率。學習率比較大的時候，參數可能over shoot了，結果就是找不到極小值點；減小學習率可以讓參數朝著極值點前進；
2. 改變網絡寬度。有可能是網絡後面的層參數更新異常，增加後面層的寬度試試；
3. 改變層的學習率。每個層都可以設置學習率，可以嘗試減小後面層的學習率試試；
4. 數據歸一化（減均值，除方差，或者加入normalization，例如BN、L2 norm等）；
5. 加入gradient clipping；
6 輸入數據含有髒數據，即NaN,一般當使用實際業務的真實數據時，容易出現髒數據。
[niceskyabc ] 解決pytorch 交叉熵損失輸出為負數的問題已經有244次圍觀
