有监督学习损失的代码

有监督学损失的代码以及原理什么的有没有指路呀，看了好几篇弄进去loss都是nan

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/7763484
• 这篇博客你也可以参考下：【机器学习技巧】-训练过程中，loss参数出现NAN怎么解决？解决方案汇总？
• 除此之外, 这篇博客: 基于模型结构增扩的增量学习方法 归纳和详解中的 2.3 模型结构与loss设计 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 

  每新来一个增量任务t，就新训练一个特征提取网络Ft和分类器Hta，然后并入上一个特征提取网络中作为新的特征提取网络。其中，Mask Parameter即前文提及的Channel-Level Mask-Based Pruning Strategy，对特征进行采样，从而降低特征维度，减少存储和运算负担。

  

  训练loss即交叉熵，用于对整个分类器进行训练（这里的分类器Ht相当于原始分类器Ht和新增分类器Hta的合并），其中D是训练样本与memory中样本的并集。

  

  除此自外，作者引入了LHta辅助loss，只对分类器的新增部分Hta进行训练，