使用train_on_batch时，损失如何在喀拉拉邦异常起作用？

Question

我对使用“ train_on_batch”时的喀拉拉邦损失感到困惑。 请参阅下面的模型（三元组的实现） 有时我的模型输出Nan，而损失仍然显示为0.4。 并且经过一些迭代后，无论输入是什么，编码器始终显示相同的输出。 在那种情况下，三元组模型的损失应该为0.5（请参见下面的函数bpr_triplet_loss），但是keras告诉我们损失约为0.1或0.2，甚至有时大于1或小于0。为什么？ 是因为出现了梯度爆炸问题然后破坏了模型？

    ter_input = Input(shape=self.img_shape)
    ter_input_pos = Input(shape=self.img_shape)
    ter_input_neg = Input(shape=self.img_shape)

    ed = self.encoder()
    ter_encoded = ed(ter_input)
    pos_encoded = ed(ter_input_pos)
    neg_encoded = ed(ter_input_neg)

    def bpr_triplet_loss(X):
        positive_item_latent, negative_item_latent, user_latent = X
        # BPR loss
        loss = 1.0 - K.sigmoid(
            K.sum(user_latent * positive_item_latent, axis=-1, keepdims=True) -
            K.sum(user_latent * negative_item_latent, axis=-1, keepdims=True))
        return loss

    loss_layer = Lambda(bpr_triplet_loss, output_shape=(1,))([pos_encoded, neg_encoded, ter_encoded])

    def identity_loss(y_true, y_pred):
        return K.mean(y_pred - 0 * y_true)

    self.triplet_net = Model(
        input=[ter_input, ter_input_pos, ter_input_neg],
        output=loss_layer)
    self.triplet_net.compile(loss=identity_loss, optimizer=Adam(0.0001, beta_1=0, beta_2=0.99, decay=0.00001))  # Adam()