沿着另一个张量的值减少张量流的损失

Question

我在Tensorflow中有一个Costum损失函数。目标专家预测一个向量，在另一个向量上的平行投影应尽可能类似于另一个向量。

def loss(n_pred, n_true):
        cost = tf.square(tf.divide(n_pred-n_true, n_true))
        return tf.reduce_mean(cost)

具有均匀分布的n_true。 因此，理想情况下n_pred / n_true应该为1。 问题是：我的预测需要在n_true上保持稳定。现在，对于小n_true，我总是偏爱n_pred / n_true的过高预测（> 1），对于大n_true而言，n_pred / n_true的过低预测（<1）。对我来说，这是没有意义的，因为损失是相对的。

您是否知道如何减少沿n_true值的损失，所以我并不总是对n_true的小值过高预测而对n_true的大值却过低预测？

非常感谢您的帮助！