Python 均方误差代价函数的应用条件

我正在构建一个卷积神经网络，我正在使用均方误差作为代价函数。当网络输出大于1时，我将代价函数更改为无误差，因此当网络输出大于1时，我将阈值设置为1。使用此代码

 def MSE2(self, y):

        loc = np.where(y == 1)[0]
        for i in range(len(loc)):
            if self.input2[loc[i]] > 1:
                self.input2[loc[i]] = 1

        return T.mean((y - self.input2) ** 2)

我想知道，在计算梯度时，无梯度函数是否会考虑到这一点，或者我应该改变一些其他的东西

---

除此之外，是否有其他方法可以优化此代码以更快地运行，或者在GPU上运行

您可以使用T.（self.input2，minimum_value，1）将剪裁多个值并将其设置为一。不需要循环。

所以我发现解决这个问题的最好方法是

def MSE2(self, y):
    loc = T.eq(y,1).nonezeros()[0]
    S = T.clip(self.input2[loc],0,1)
    self.input2 = T.set_subtensor(self.input2[loc], S)
    return T.mean((y - self.input2) ** 2)

---

我已经测试了结果和梯度

这非常有效，我甚至可以使用T.where和T.Which。问题是我只需要在变量Y中存在1的位置剪裁值。