我有一个简单的线性回归模型，其中的自变量是年份（1970年至今）。当我将输入数据围绕零中心化（即从x中减去均值）时，模型运行正常，并且我得到了最佳拟合线。但如果我不中心化数据，模型就会出现无限损失：

model = tf.keras.models.Sequential([    tf.keras.layers.Input(shape=(1,)),    tf.keras.layers.Dense(1)])model.compile(    tf.keras.optimizers.SGD(learning_rate=0.001, momentum=0.9),    loss='mse')model_history = model.fit(    x, # 如果我们将其更改为 `x - x.mean()`，则不会再出现 nan/inf 损失    y,    epochs=200)

Epoch 1/2006/6 [==============================] - 0s 1ms/step - loss: inf     Epoch 2/2006/6 [==============================] - 0s 1ms/step - loss: nanEpoch 3/2006/6 [==============================] - 0s 1ms/step - loss: nanEpoch 4/2006/6 [==============================] - 0s 1ms/step - loss: nan...

我原本预期模型会运行得更慢，或者可能不够精确，但为什么它会完全崩溃呢？

编辑：这是数据的外观

回答：

使用人工神经网络进行回归有点棘手。你看到 nan 损失值是因为你的梯度已经爆炸了。这是由于输出没有上限。另外，你为什么使用动量？

你可以尝试：

• 降低学习率
• 改用 adam 优化器