Math 为什么这两个Tensorflow操作没有相同的结果？

我正在做一个tensorflow图，最后一步是简单的均方误差计算。一些输入是填充，我使用张量

loss\u mask

将其屏蔽掉。这个张量大部分是1，末尾有几个0

下面的操作计算均方误差，其中屏蔽输入计为零误差

error_squared = loss_mask * tf.pow(expected_outputs_reshaped - network_outputs, 2)
loss = tf.reduce_mean(error_squared)

问题是，如果许多输出被屏蔽，那么平均损失似乎比它应该的低得多，因为这些被屏蔽的输入算作零误差。因此，我尝试了以下代码来更正此问题：

error_squared = loss_mask * tf.pow(expected_outputs_reshaped - network_outputs, 2)
loss = tf.reduce_sum(error_squared) / tf.reduce_sum(loss_mask)

如果

loss\u mask

都是1，那么这两件事的结果应该是一样的。然而，事实并非如此。对于第一个，我得到了正确的值，它们都在0和1之间。第二，我得到了数百个值。为什么这两个不一样

---

我已经验证了

tf.reduce\u sum（loss\u mask）

等于

error\u squared

中的元素数，您可以尝试

loss=tf.div（tf.reduce\u sum（error\u squared），tf.reduce\u sum（loss\u mask）

@TianjinGu做了完全相同的事情。你能试着找到预期输出和网络输出的特定值，这些值会导致不同的值吗？这样更容易重新设定。谢谢！