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
请您参考如下方法:
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]
