TensorFlow中如何正确获取向量长度以计算MSE等平均损失？

你遇到的报错核心原因是 tf.size() 返回的是 int32 类型的张量，而你分子部分的 tf.reduce_sum() 结果是 float32 类型，两者直接做除法会触发类型不匹配的错误。下面给你几种可行的解决办法：

方法1：将长度张量转换为float32类型 #

直接用 tf.cast() 把 tf.size() 的结果转成和分子一致的 float32 类型，就能解决类型冲突：

import tensorflow as tf

yvec = tf.placeholder("float32", shape=(None,))
yhatvec = tf.placeholder("float32", shape=(None,))
# 关键修改：用tf.cast转换类型
mse = tf.reduce_sum(tf.square(yhatvec - yvec)) / tf.cast(tf.size(yvec), tf.float32)
compute_mse = lambda vector1, vector2: mse.eval({yhatvec: vector1, yvec: vector2})
# 注意：列表元素间要加逗号，这是Python的语法要求
print(compute_mse([0, 1, 2, 3, 4], [5, 4, 3, 2, 1]))

方法2：用tf.shape获取维度大小 #

如果你明确向量是一维的，也可以用 tf.shape() 获取形状张量后取对应维度的长度，再转换类型，这和Python中 len(vec) 的逻辑更贴近：

mse = tf.reduce_sum(tf.square(yhatvec - yvec)) / tf.cast(tf.shape(yvec)[0], tf.float32)

方法3：直接使用TensorFlow内置的MSE函数 #

其实TensorFlow已经封装好了计算均方误差的API，不用自己手动实现，既简洁又不容易出错：

mse = tf.losses.mean_squared_error(yvec, yhatvec)

这个函数会自动处理类型匹配和长度计算，直接调用即可得到正确的MSE结果。

另外提醒你一个代码里的小细节：[0 1 2 3 4] 是无效的Python列表写法，元素之间必须加逗号，否则会触发语法错误，记得改成 [0, 1, 2, 3, 4] 哦。

内容的提问来源于stack exchange，提问作者draw