我正在尝试预测一个连续的值（第一次使用神经网络）。我已经对输入数据进行了归一化。我不知道为什么我从第一个纪元开始得到损失：nan输出。
我阅读并尝试了以前对同一问题的回答中的许多建议，但没有一个对我有帮助。我的训练数据形状是：（201917,64）。这是我的代码：
model = Sequential()
model.add(Dense(100, input_dim=X.shape[1], activation='relu'))
model.add(Dense(100, activation='relu'))
model.add(Dense(100, activation='relu'))
# Output layer
model.add(Dense(1, activation='linear'))
# Construct the neural network inside of TensorFlow
model.compile(loss='mean_squared_error', optimizer='Adam')
# train the model
model.fit(X_train, y_train, epochs=10, batch_size=32,
shuffle=True, verbose=2)
以下是您可以采取的步骤，以找到问题的原因：
>
确保您的数据集是它应该是的：
使用Dropout、BatchNormalize、L1/L2正则化、更改batch_size或将数据缩放到其他范围（例如[-1,1]）来规范化模型。
减少网络的大小。
更改其他超参数（例如优化器或激活函数）。
你可以检查这个和这个链接来获得额外的帮助。
有时，当学习率过高时，会丢失nan。一种解决方案可能是减少它。替换此代码：
# Construct the neural network inside of TensorFlow
model.compile(loss='mean_squared_error', optimizer='Adam')
与：
from keras.optimizers import Adam #maybe put this at the top of your file
opt = Adam(lr=0.0001) #0.001 was the default, so try a smaller one
model.compile(optimizer=opt, loss='mean_squared_error')
看看这是否有帮助。我也会先尝试一个隐藏层，看看它是如何进行的。
输入数据帧中的NaN。在获取数据帧值之前，应替换NaN值。否则，会爆炸梯度。
