我有一个类似yolo的网络架构，在输出层上，我想用坐标（如x、y、宽度、高度）来预测边界框。当我使用线性激活函数时，一切都很好，但是我的模型有时会预测负值，这在我的情况下是没有意义的，因为所有要预测的值对于x、y来说都在0到1之间，对于宽度和高度来说是3或5。我想我可以用ReLU激活来代替我的输出，但是如果我这样做，我的网络会被NaN作为损失值卡住。
知道为什么会这样吗？
如果没有你给我们更多的数据，这很难说。然而，在输入数据没有正确归一化的情况下，这似乎是一个常见的问题。
这里有一些链接，也许可以看看。如果没有帮助，你可能需要提供更多的信息，以便有人给出有用的答案
https://discuss.tensorflow.org/t/getting-nan-for-loss/4826
训练回归网络时的NaN损失
