摘要：
1. torch.autograd.detect_anomaly()1.火炬签名。detect_Analomaly（）自动单击，importtorch#正向传播时：启用自动派生异常检测torch.autograd。set_ detect_ Any（True）#反向传播时：使用torch.autograd启用检测。派生期间检测_异常（）：丢失。backward（），上面的代码将给出代码派生的具体问题。二
转自点击 ，
import torch # 正向传播时：开启自动求导的异常侦测 torch.autograd.set_detect_anomaly(True) # 反向传播时：在求导时开启侦测 with torch.autograd.detect_anomaly(): loss.backward()
上面的代码就会给出具体是哪句代码求导出现的问题。
2.Debughttps://medium.com/@me_26124/debugging-neural-networks-6fa65742efd
- 通常在使用sqrt/exp的时候会出现非常大或非常小的数，从而导致溢出或者是除0，从而出现Nan值。