我正在使用 tensorflow 训练自动编码器，入门代码提供了一种计算均方误差作为损失函数的方法。
self.mse_loss = tf.reduce_mean(tf.square(self.x - self.x_))
请注意，self.x 是包含输入数据（MNIST，具有 784 个特征）的张量，self.x_ 是算法另一端解码器的结果。
我想使用 MSE 来找到一些输入参数的最佳值（即在我正在处理的这个无监督问题中找到的集群数量），但是 MSE 在不同的运行之间没有足够的区别来尝试肘部方法。相反，我认为我可以尝试不同的指标，例如均方对数误差。可以在此处找到该指标的公式。
最初我尝试了以下代码；
self.msle_loss = tf.reduce_mean(tf.square(tf.log(1 + self.x) - tf.log(1 + self.x_ )))
但是，每当我运行它时，它都会返回 nan。我认为这与 tf.log() 无法处理零有关。
所以我尝试过一些产生价值的解决方案（我只是不确定哪个是最好的）；
- 使用 tf.clip_by_value()
self.msle_loss = tf.reduce_mean(tf.square(tf.math.log(tf.clip_by_value(1 + self.x,1e-10,1e10)) - tf.math.log(tf.clip_by_value(1 + self.x_,1e-10,1e10))))
这将运行并返回值，但我认为这是不正确的，因为它们非常大，大约。240
- 添加一个小常数
self.msle_loss = tf.reduce_mean(tf.square(tf.log(1 + (self.x + 1e-4)) - tf.log(1 + (self.x_ + 1e-4))))
这会产生有效值，小于解决方案 1)，ca。12（所以小了一个数量级）。这让我担心这两种方法不能互换，这就引出了一个问题，这里的正确方法是什么？当我最初遇到添加一个小常数的建议时，建议是添加一个小得多的常数（1e-10），但我一直得到 nan 直到我将常数变得足够大，如 1e-4。
- 使用 tf.where() 我找到了一个旨在捕捉零的解决方案。
self.msle_loss = tf.reduce_mean(tf.square(tf.log(1. + tf.where(tf.equal(self.x, 0.), tf.ones_like(self.x), self.x)) - tf.log(1.0 + tf.where(tf.equal(self.x_, 0.), tf.ones_like(self.x_), self.x_))))
但是我认为我没有正确实施它，因为我仍然使用这种方法得到 nan 。
如果有人能够在不影响我得到的价值观的情况下提出最好的方法，我将不胜感激。谢谢。