请教一下关于yolov5s训练loss出现Nan问题

想请教一下，用yolov5s训练模型，数据集2000多张，按照8：1：1手动分的，需要用代码打乱分吗，每个labels里都需要有classes吗？
然后尝试跑了100个epoch，发现这几栏都是Nan

网上搜了解决方案，将学习率从0.01调成了0.001，还是这样

出现NaN的问题通常是由于某个数值超出了计算机所能表示的范围，导致计算结果无**确表示造成的。对于训练中出现NaN的问题，可能有以下几个原因：

1. 学习率过大：学习率过大会导致梯度**或梯度消失，从而使损失函数的值变为nan。

2. 数据集存在异常值：数据集中存在异常值或错误的标签可能会导致训练过程中出现nan的情况。

3. 模型结构不够稳定：模型结构可能存在设计上的问题，比如存在过多的参数或层数等，从而导致训练过程不够稳定。

解决方案：

1. 调整学习率：尝试降低学习率或调整优化器的参数来缓解NaN问题。

2. 检查数据集：检查数据集中是否存在异常值或错误的标签，进行清洗或纠正。

3. 修改模型结构：可以通过修改模型结构、增加正则化等方法来缓解过拟合问题，从而减少nan问题的出现。