问题描述：
在使用官方脚本训练retinanet时训练几轮后，报错无法计算loss，停止训练
我的数据集为coco格式，修改了配置文件种类等，制作mindrecord格式的文件后进行训练报错，请问可能是什么原因呢，数据集按照流程修改的
Start train retinanet, the first epoch will be slower because of the graph compilation.
epoch: 1 step: 18, loss is 5384.2744140625
lr:[0.000002]
epoch time: 63417.263 ms, per step time: 3523.181 ms
epoch: 2 step: 18, loss is 5357.0615234375
lr:[0.000003]
epoch time: 14948.870 ms, per step time: 830.493 ms
[CRITICAL] ME(20589:140329160312640,MainProcess):2022-05-31-16:48:08.808.295 [mindspore/dataset/engine/datasets.py:2778] Uncaught exception:
Traceback (most recent call last):
File "train.py", line 212, in <module>
main()
File "/home/ai/anaconda3/zxl/retinanet/src/model_utils/moxing_adapter.py", line 113, in wrapped_func
run_func(*args, **kwargs)
File "train.py", line 208, in main
model.train(config.epoch_size, dataset, callbacks=cb, dataset_sink_mode=True)
File "/home/ai/anaconda3/envs/zxl/lib/python3.7/site-packages/mindspore/train/model.py", line 906, in train
sink_size=sink_size)
File "/home/ai/anaconda3/envs/zxl/lib/python3.7/site-packages/mindspore/train/model.py", line 87, in wrapper
func(self, *args, **kwargs)
File "/home/ai/anaconda3/envs/zxl/lib/python3.7/site-packages/mindspore/train/model.py", line 548, in _train
self._train_dataset_sink_process(epoch, train_dataset, list_callback, cb_params, sink_size)
File "/home/ai/anaconda3/envs/zxl/lib/python3.7/site-packages/mindspore/train/model.py", line 633, in _train_dataset_sink_process
list_callback.step_end(run_context)
File "/home/ai/anaconda3/envs/zxl/lib/python3.7/site-packages/mindspore/train/callback/_callback.py", line 226, in step_end
cb.step_end(run_context)
File "/home/ai/anaconda3/envs/zxl/lib/python3.7/site-packages/mindspore/train/callback/_loss_monitor.py", line 80, in step_end
cb_params.cur_epoch_num, cur_step_in_epoch))
ValueError: epoch: 3 step: 18. Invalid loss, terminating training.
解答：您好，根据您的报错信息，问题原因为训练过程中loss跑飞了，框架lossmonitor检测到异常，训练下去无意义，所以自动停止了，需要您自己逐步排查一下您的训练脚本，一般可能是学习率设置的不合适，或者节点激活过度等等。
loss跑飞不收敛不是调低loss就有用的，loss作为一个评价指标不知道你咋调的，调低学习率只是一个建议，这个是最常见的训练问题，可以采用二分法定位，推荐采用以下思路进行排查：
1.检查数据和标签，数据分类是否准确，数据是否干净，数据是否正常，data label是否一致，一般来说不收敛都是由于样本信息量太大导致网络不足以fit整个样本空间。
2.学习率设定不合理(此条已被你排除)
3.网络设定不合理，例如很复杂的分类任务但是使用的网络过浅，可以尝试换网络或者加深网络。
4.检查数据集lable是否有错。
5.检查是否归一化。
上述方法仅提供一个排查思路，并不代表问题就来自这里，具体需要你自己分析修改调试自己的训练脚本和网络。