Tensorflow或通用神经网络：我的损失之一太高了！ 损失= u + v

如何解决Tensorflow或通用神经网络：我的损失之一太高了！ 损失= u + v

我在神经网络的预测值和训练输出值之间设定了自定义损失值u + v，u为MSE。 v是从与预测值相对于输入值的梯度有关的方程式得出的值。

问题取决于输入，v相较于u产生巨大的数字。

如何使v的振幅与u相似？

---

我的输入未标准化。相反，我放置了归一化层，因此最终对其进行了归一化。我插入归一化层并让v产生大量数字的原因是由于预测值相对于输入的梯度而未归一化，因此我需要这样做。如果我将“好”值作为输入，例如0〜1。我的NN工作正常。但是，当我插入“真实”（与物理学相关的）值时，由于v的巨大值，该值不起作用，并且直到对u进行良好的网络训练后，该v值才会减小。 我还尝试仅针对“ u”设置损失，然后再包含“ v”。但是，由于'v'的值很高，因此该系统无法正常工作。

解决方法

尽管具有归一化层，您仍应归一化输入。

如果您的损失之一（更准确地说，损失相对于参数的梯度）过高，则可以按常数缩放，例如loss = loss/100。数学计算就很好了，可以按1/100缩放渐变。