盯着终端里不断刷新的报错信息，你是不是也感觉脑袋嗡嗡作响？深度学习专业学起来，十有八九都卡在这一步——不知道错在哪。后台经常收到这样的留言：啃完论文抄了一遍代码，跑起来却全是NaN，或者loss死活不降。别急着怀疑自己智商，更别冲动换方向，问题大概率出在这三个地方。

先别急着跑模型，这几个常见坑我替你踩了

　　很多人遇到错误的第一反应是重装环境。重装十次不如看懂一次报错——比如CUDA版本不匹配、torch和cudatoolkit版本冲突这类底层问题，用conda list查一遍依赖版本，5分钟就能定位。另一个高频陷阱是数据标注。你的图像分类数据集里是不是混了带水印的样本？或者文本数据里有未转义的特殊符号？这些脏数据会让模型训练时loss突然跳动甚至发散。解决办法很简单：写一个数据预览函数，随机抽10%样本人工过一遍。别省这一步，它至少能省你三天调试时间。

　　第三个坑最隐蔽：损失函数写错了。有的朋友可能遇到过这种情况：明明代码抄对了，但跑出来的loss曲线一直横盘。检查一下是不是把softmax和cross_entropy重复用了，或者多标签任务里用成了单标签的BCEWithLogitsLoss？深度学习专业里这些细节差一个符号结果就天差地别。用一个小型toy数据集跑通再上全量数据，这是铁律。

遇到瓶颈时先停手，对照这份清单自查

　　如果上述三个点都查过还没解决，再往下看。第一，学习率是不是设得太大了？从1e-4开始试，别一上来就用0.01。第二，batch size有没有爆显存？显存溢出会自动回滚到CPU计算，速度慢十倍还不报错。第三，梯度爆炸了？观察loss曲线，如果突然跳得很高然后变成NaN，加上gradient clipping。第四，数据预处理和模型输入尺寸是否一致？输入通道数、归一化均值标准差，任何一处对不上都会让模型学到幻觉。以上四点按顺序检查，每改一个就重新跑一个epoch看效果。别同时改多个参数，你分不清是谁起了作用。

　　深度学习专业入门阶段就是这样：你以为懂了理论，一动手全露馅。但别怕，每个过来人都经历过这个阶段。问题解决了就去跑两圈，让脑子歇歇再回来继续调。要是折腾半天还没头绪，建议直接去官网扒对应模型的文档，那玩意儿最准，别信网上乱七八糟的魔改代码。