python - 如何在 TensorFlow 中对自定义损失函数内的张量进行归一化？

Question

自定义损失函数已编写，必须以度数显示与真实方向的偏差。我有真实方向 (x, y, z)，我尝试使用优化器的 degrees_mean_error 函数预测方向，如下所示:

def degrees_mean_error(y_true, y_pred):
    norm = sqrt(y_pred[:, 0] ** 2 + y_pred[:, 1] ** 2 + y_pred[:, 2])
    y_pred[:, 0] /= norm
    y_pred[:, 1] /= norm
    y_pred[:, 2] /= norm
    angles = y_pred[:, 0] * y_true[:, 0] + y_pred[:, 1] * y_true[:, 1] + y_pred[:, 2] * y_true[:, 2]
    return acos(angles) * 180 / np.pi

但是，我有一个问题，因为张量不是赋值。我可以标准化keras损失函数中的张量吗？如果不这样做，误差会很大，甚至nan，看下面训练时没有规范化的输出:

256/170926 [................................] - 预计到达时间:3:21 - 损失:88.1727

512/170926 [................................] - 预计到达时间:2:25 - 损失:66.7276

768/170926 [................................] - 预计到达时间:2:07 - 损失:nan

1024/170926 [................................] - 预计到达时间:1:58 - 损失:nan

1280/170926 [................................] - 预计到达时间:1:53 - 损失:nan

1536/170926 [................................] - 预计到达时间:1:50 - 损失:nan

1792/170926 [................................] - 预计到达时间:1:47 - 损失:nan

2048/170926 [................................] - 预计到达时间:1:45 - 损失:nan

Answer 1

您可以立即找到偏差:

 angles = (y_pred[:, 0] / norm) * y_true[:, 0] + (y_pred[:, 1] / norm) * y_true[:, 1] + (y_pred[:, 2] / norm) * y_true[:, 2]