最近在复现一个图像分割的模型，结构不算复杂，就几个卷积加上采样。用PyTorch写的时候，前几十个epoch都正常，loss稳步下降，但到某个点突然就变成NaN了，调小学习率、加梯度裁剪都试了，还是会出现。后来实在没办法，用TensorFlow几乎一样的结构重写了一遍，跑了完整训练居然一点事没有。我就很困惑，同样的数据和差不多的代码逻辑，为什么PyTorch这边会炸？是我哪里写错了，还是两个框架在数值稳定性上真有差异？有没有人遇到过类似的情况，求指点一下排查方向。