（完全解决）FutureWarning: Non

FutureWarning: Non"/>

（完全解决）FutureWarning: Non

开门见山。检查一下你的loss是否为nan。

如果是的话，检查你loss的计算公式。一定要使用那种饱和类型的损失，例如你希望模型二分类，loss不应该设置为，对于类别1，希望模型输出为正无穷大，对于类别0，希望模型输出为负无穷大，这样loss不会饱和，模型会一直训练下去，很容易nan。应该改为，对模型输出的结果，加一层sigmoid，从而对于类别1，希望模型输出为1，对于类别0，模型输出为0。而对于sigmoid这种饱和函数，输出为1，输入不需要是正无穷大，6，7，8这种数字就可以差不多输出为1了。

我这边的情况是，也同样是犯了一个错误，对于负样本，希望模型输出为0，结果我又用了log输出来作为损失的方式。这就导致，在输出可以做到为0的情况下，我log之后就会nan。改为：

下面这个不好，

neg_outputs=model(x)#这个数大于等于0
loss=torch.log(neg_outputs)

改为下面这个：

neg_outputs=model(x)
loss=torch.log(neg_outputs+1e-8)

这样，损失就会饱和，因为neg_outputs最小就是1e-8。

回到，标题错误，标题说的其实是梯度nan，但是我本文都在说损失，因为极大可能就是损失的原因。