TensorFlow 2自定义多元学生t分布损失函数出现Invalid argument错误求助

报错核心为你构造的下三角线性算子对应的矩阵奇异（不可逆），主要有三点错误：

• 传入LinearOperatorLowerTriangular的矩阵不符合要求：你当前构造的是对称协方差矩阵[[sigma11, sigma12],[sigma12, sigma22]]，上三角位置填了sigma12，不符合下三角矩阵上三角元素全为0的要求，算子调用逻辑本身有误。
• 协方差相关参数无正性约束：模型输出的sigma11、sigma22可能为负，或者行列式sigma11*sigma22 - sigma12² <=0，都会导致矩阵奇异不可逆。
• 自由度参数无约束：多元t分布要求自由度df严格大于0，若模型输出的n为负或0，也会触发分布计算异常。

1. 对输出参数加正性约束：
   对自由度n、sigma11、sigma22先通过softplus激活保证为正，避免出现非正数值：

n = tf.math.softplus(n) + 1e-6 # 加极小偏移避免数值为0
sigma11 = tf.math.softplus(sigma11) + 1e-6
sigma22 = tf.math.softplus(sigma22) + 1e-6

2. 修正下三角矩阵构造逻辑：
   MultivariateStudentTLinearOperator的scale参数要求是协方差矩阵的Cholesky下三角因子（即协方差=scale @ scale.T），直接构造纯下三角矩阵即可，上三角填0：

# 构造纯下三角矩阵，上三角元素为0
tril_mat = tf.transpose([[sigma11, tf.zeros_like(sigma12)], [sigma12, sigma22]], perm=[2, 0, 1])
sigma = tf.linalg.LinearOperatorLowerTriangular(tril_mat, diag_is_positive=True)

3. 可选训练优化：
   训练时给优化器加梯度裁剪，避免参数更新幅度过大导致数值异常：

optimizer = tf.keras.optimizers.Adam(clipnorm=1.0)

完整修正后的损失函数 #

def negative_t_loss_2(y_true, y_pred):
    # 拆分参数
    n, mu1, mu2, sigma11, sigma12, sigma22 = tf.unstack(y_pred, num=6, axis=-1)
    # 参数正性约束
    n = tf.math.softplus(n) + 1e-6
    sigma11 = tf.math.softplus(sigma11) + 1e-6
    sigma22 = tf.math.softplus(sigma22) + 1e-6
    # 构造均值向量
    mu = tf.transpose([mu1, mu2], perm=[1, 0])
    # 构造合法下三角矩阵
    tril_mat = tf.transpose([[sigma11, tf.zeros_like(sigma12)], [sigma12, sigma22]], perm=[2, 0, 1])
    sigma = tf.linalg.LinearOperatorLowerTriangular(tril_mat, diag_is_positive=True)
    # 构造分布计算损失
    dist = tfp.distributions.MultivariateStudentTLinearOperator(df=n, loc=mu, scale=sigma)
    nll = tf.reduce_mean(-dist.log_prob(y_true))
    return nll

内容的提问来源于stack exchange，提问作者user10176535