如何在TensorFlow中的自定义损失函数中标准化张量？

编写了自定义损失函数，该函数必须显示与真值方向的偏差（以度为单位）。我有真值方向（x，y，z），并且我尝试使用优化程序的degree_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，因为张量不是伪造的。我可以规范角膜损耗函数中的张量吗？如果您不这样做，则错误将很大，甚至是nan，请在训练过程中在不使用normilize的情况下查看以下输出：

256/170926 [....................................]-ETA：3:21-损失：88.1727

512/170926 [.....................]-ETA：2:25-损失：66.7276

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

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

1280/170926 [.....................]-ETA：1:53-损失：nan

1536/170926 [.....................]-ETA：1:50-损失：nan

1792/170926 [..............................]-预计：1:47-损失：nan

2048/170926 [.....................]-ETA：1:45-损失：nan