Я действительно озадачен тем, что происходит с моими данными / моделью. Я загружаю большой файл .csv в память, которая имеет тысячи функций; Затем я использую его для обучения собственной сети в TensorFlow. Когда я запускаю np.max () и np.min () для набора данных, они возвращают nan; Обычно я думаю, что это означает, что данные недействительны, но дело в том, что TensorFlow по-прежнему работает правильно. Он все еще тренируется до конца и достигает результата, который не является нан. Стоит отметить, что это происходит только иногда, и что без np.max () и np.min () модель, по-видимому, последовательно возвращает nans при обучении. Я попытался проанализировать свой набор данных с помощью np.argwhere (np.isnan (x)), чтобы попытаться изолировать индексы, где появляются nans, однако я go проверил индексы в реальных файлах .csv и появились данные быть нормальными значениями с плавающей запятой. Я озадачен тем, почему numpy, кажется, думает, что мои массивы являются nan (и TensorFlow иногда, кажется, тоже так считает), но сеть все еще способна успешно обучаться полу-надежно. Любые идеи о том, что может происходить?