问题：在深度学习训练中，之前的cost是正常的，突然在某一个batch训练中出现Nan。
网络搜索的资料：
1. How to avoid that Theano computing gradient going toward NaN https://stackoverflow.com/questions/40405334/how-to-avoid-that-theano-computing-gradient-going-toward-nan
2. 训练深度学习网络时候，出现Nan是什么原因，怎么才能避免？ https://www.zhihu.com/question/49346370
3. Theano调试技巧 https://zhuanlan.zhihu.com/p/24857032
其实1中的说法挺好的：
few advises to avoid this problem
- if error starts increasing then NaN appears afterwards: diverging due to too high learning rate
- if NaNs appear suddenly: saturating units yielding non-differentiable gradient NaN computation due to log(0)
- NaN due to floating point issues (to high weights) or activations on the output 0/0, inf/inf, inf*weight...
回归到我自己的问题上，首先把数据检查了下，数据没有问题，但是NaN仍忍出现。
然后把learning rate开小了（各种变小），NaN问题依然存在。沿着learning rate这条路，把gradient都check一遍，把Clip Gradient弄的很厉害，但是NaN问题依然存在。
接着把所有可能出问题的变量依次output出来，追溯到某一个变量在cost出现的NaN那一轮产生了NaN。现在问题就来了，为什么上一轮的gradient没有问题，该变量突然变为NaN呢？
再后来，使用NanGuardMode模式，报错出现big values，更加坚信是gradient过大出现的问题，然后就是各种瞎改gradient。
后来的后来，才蓦然回首发现code中有一个逻辑上的bug，会导致NaN的出现。
简单讲就是使用到某个变量 A = [a_1, a_2, ... a_n ] 及其 Mask MA = [ma_1, ma_2,..., ma_n]，需要结合其Mask对其进行softmax操作。 在直接对A进行softmax发现，A中某个值得energy太大（对于某个元素 exp^(a_j）数值非常大），会出问题。为了避免问题，找出A中最大数值max（A），对每个值进行“缩放”，A - max(A)后再计算其每个元素的energy，在结合Mask MA进行softmax计算。
step1. 元素“缩放”： A' = A - A(max)
step2. 计算energy： exp(A')
step3. Mask（Mask为0的地方概率要为0）: exp(A') * MA
step4. 计算概率： exp(A') / sum( exp(A') * MA)
潜在除0问题：在step1. “缩放”步骤中，Mask为0的某元素比其他元素大的多，导致在step2.计算energy步骤中Mask为1的元素energy几乎为0。接着step3.Mask步骤中使用MA把energy不为0的地方给掩盖掉，这时候留下的全都是0.....
然后step4.计算概率中sum( exp(A') * MA) 的结果为0，最后就出现除0-->NaN问题了。