数据扩充导致NaN丢失

Question

我有图像的数据集，并且正在对其上实现数据增强方法。实现第一个（使用np.fliplr）后，模型运行良好。但是，当我尝试对数据实施对比度拉伸时，我的损失立即变成NaN。我试图通过更改学习率/批量大小等解决问题，但没有成功。
这是我的代码的一部分：

# Contrast stretching function 
from skimage import exposure, color

def contrast_stretching(img):
    p2, p98 = np.percentile(img, (2, 98))
    img_rescale = exposure.rescale_intensity(img, in_range=(p2, p98))
    return img_rescale

# Implement my function over the data
x_train = np.append(x_train, [contrast_stretching(x) for x in x_train], axis=0)
y_train = np.append(y_train, [contrast_stretching(x) for x in y_train], axis=0)

# Training...
early_stopping = EarlyStopping(patience=10, verbose=1)
model_checkpoint = ModelCheckpoint("D:/...", save_best_only=True, verbose=1)
reduce_lr = ReduceLROnPlateau(factor=0.1, patience=5, min_lr=0.00001, verbose=1)

epochs = 5
batch_size = 32

history = model.fit(x_train, y_train,
                    validation_data=[x_valid, y_valid], 
                    epochs=epochs,
                    batch_size=batch_size,
                    callbacks=[early_stopping, model_checkpoint, reduce_lr])

我不想要的输出示例：

  

ETA：1：05-损失：nan-均值：0.382-ETA：1：06-损失：nan-   均值：0.382-预计ETA：1:04-损失：nan-均值：0.382-预计ETA：1:04   -损失：nan-均值：0.382-预计收入：1：03-损失：nan-均值：0.382-ETA：1：03-损失：nan-均值：0.382-ETA：1：03-损失：nan

任何帮助将不胜感激！