我正在尝试在Haskell中实现神经网络架构，并在MNIST上使用它。
我正在使用hmatrix线性代数软件包。我的培训框架是使用pipes软件包构建的。
我的代码可以编译，并且不会崩溃。但是问题是，层大小（例如1000），最小批大小和学习率的某些组合会导致NaN计算中的值。经过一番检查，我发现极小的值（的顺序1e-100）最终出现在激活中。但是，即使这种情况没有发生，培训仍然无法进行。它的损失或准确性没有任何改善。
我检查并重新检查了我的代码，但对于问题的根源，我一无所知。
这是反向传播训练，它计算每一层的增量：
backward lf n (out,tar) das = do
let δout = tr (derivate lf (tar, out)) -- dE/dy
deltas = scanr (\(l, a') δ ->
let w = weights l
in (tr a') * (w <> δ)) δout (zip (tail $ toList n) das)
return (deltas)
lf为损耗函数，n是网络（weight矩阵和bias向量的每个层），out并且tar是网络和所述的实际输出target（期望的）输出，并且das各自层的激活衍生物。
在批处理模式中，out，tar是矩阵（行是输出矢量），并且das是矩阵的列表。
这是实际的梯度计算：
grad lf (n, (i,t)) = do
-- Forward propagation: compute layers outputs and activation derivatives
let (as, as') = unzip $ runLayers n i
(out) = last as
(ds) <- backward lf n (out, t) (init as') -- Compute deltas with backpropagation
let r = fromIntegral $ rows i -- Size of minibatch
let gs = zipWith (\δ a -> tr (δ <> a)) ds (i:init as) -- Gradients for weights
return $ GradBatch ((recip r .*) <$> gs, (recip r .*) <$> squeeze <$> ds)
在这里，lf与和n上面相同，i是输入，t是目标输出（均为批处理形式，作为矩阵）。
squeeze通过对每一行求和将矩阵转换为向量。即，ds是增量矩阵的列表，其中每一列对应于最小批量的一行的增量。因此，偏差的梯度是所有小批量上的增量的平均值。的相同gs，对应于权重的梯度。
这是实际的更新代码：
move lr (n, (i,t)) (GradBatch (gs, ds)) = do
-- Update function
let update = (\(FC w b af) g δ -> FC (w + (lr).*g) (b + (lr).*δ) af)
n' = Network.fromList $ zipWith3 update (Network.toList n) gs ds
return (n', (i,t))
lr是学习率。FC是层的构造函数，并且是该层af的激活函数。
梯度下降算法可确保为学习率传递一个负值。梯度下降的实际代码只是一个围绕grad和组成的循环move，带有参数化的停止条件。
最后，这是均方误差损失函数的代码：
mse :: (Floating a) => LossFunction a a
mse = let f (y,y') = let gamma = y'-y in gamma**2 / 2
f' (y,y') = (y'-y)
in Evaluator f f'
Evaluator 只是捆绑了一个损失函数及其导数（用于计算输出层的增量）。
其余代码位于GitHub：NeuralNetwork上。
因此，如果有人对问题有深入的了解，或者甚至只是对我是否正确实施了算法进行了健全性检查，我将不胜感激。