我正在为另一个数据集应用here中的时间序列建模。对于链接中的给定数据集，所有损失（即损失、平均绝对误差、验证损失、验证的平均绝对误差;最后两个损失并不是针对所有的历元模型），在历元中计算的损失值不为零，而当我改变数据集时，所有的损失值都为nan。与这里使用的数据集相比，我使用的数据集具有大约一半的读数数量。我的数据集具有以15分钟间隔同时从多个位置（40个奇数位置）记录的读数。
所有程序的培训函数定义为

MAX_EPOCHS = 20

def compile_and_fit(model, window, patience=2):
  early_stopping = tf.keras.callbacks.EarlyStopping(monitor='val_loss',
                                                    patience=patience,
                                                    mode='min')

  model.compile(loss=tf.keras.losses.MeanSquaredError(),
                optimizer=tf.keras.optimizers.Adam(),
                metrics=[tf.keras.metrics.MeanAbsoluteError()])

  history = model.fit(window.train, epochs=MAX_EPOCHS,
                      validation_data=window.val,
                      callbacks=[early_stopping])
  return history

我还尝试过通过将model.compile更改为

opt = tf.keras.optimizers.Adam(0.001, clipnorm=1.)
  model.compile(loss=["mse", "mse"], loss_weights=[0.9, 0.1], optimizer=opt)

我的数据集的批大小是4654，而给定笔记本中的数据集的批大小是1534。
如何解决这一问题才能获得非零损失？
此外，我无法获得除基线模型之外的所有模型的预测。