使用Keras的模型拟合仅在CPU、GPU loss NaN上运行良好。

Keras是一个开源的深度学习框架，它提供了简洁易用的API，可以方便地构建和训练神经网络模型。使用Keras进行模型拟合时，如果在CPU或GPU上出现loss为NaN的情况，可能是由于以下原因导致的：

1. 数据预处理问题：在进行模型训练之前，需要对数据进行预处理，包括数据清洗、归一化、标准化等操作。如果数据中存在异常值或缺失值，可能会导致loss为NaN。此时，可以尝试对数据进行进一步的处理，如删除异常值、填充缺失值等。
2. 模型结构问题：模型的结构设计可能存在问题，导致在训练过程中出现loss为NaN。这可能是由于网络层数过多、层之间的连接方式不合理等原因引起的。可以尝试简化模型结构，减少层数或调整层之间的连接方式，以提高模型的稳定性。
3. 学习率问题：学习率是控制模型参数更新的重要超参数，如果学习率设置过大或过小，都可能导致loss为NaN。建议尝试调整学习率的大小，选择合适的学习率来训练模型。
4. 正则化问题：正则化是一种常用的防止过拟合的方法，包括L1正则化、L2正则化等。如果正则化的权重设置过大，可能会导致loss为NaN。可以尝试调整正则化的权重，找到合适的正则化参数。
5. 训练数据集问题：训练数据集可能存在问题，如样本分布不均衡、标签错误等。这些问题可能导致模型在某些情况下无法收敛，出现loss为NaN。建议检查训练数据集，确保数据集的质量和完整性。

对于解决loss为NaN的问题，可以尝试以下方法：

1. 数据预处理：对数据进行清洗、归一化、标准化等处理，确保数据的质量和完整性。
2. 模型结构调整：简化模型结构，减少层数或调整层之间的连接方式，提高模型的稳定性。
3. 调整学习率：尝试不同的学习率大小，选择合适的学习率来训练模型。
4. 调整正则化参数：调整正则化的权重，找到合适的正则化参数。
5. 检查训练数据集：确保训练数据集的质量和完整性，避免样本分布不均衡、标签错误等问题。

腾讯云提供了一系列与深度学习相关的产品和服务，包括AI引擎、GPU云服务器、弹性GPU等。您可以通过以下链接了解更多相关信息：

• 腾讯云AI引擎
• 腾讯云GPU云服务器
• 腾讯云弹性GPU

请注意，本回答仅提供了一般性的解决思路和腾讯云相关产品的介绍，具体解决方案需要根据具体情况进行调整和选择。