Question

我正在使用tensorflow中的卷积神经网络，我遇到了问题。问题是我通过tfrecords读取的输入图像包含一定数量的nan值。造成这种情况的原因是图像表示深度图，其中包含一些无限值，并且在tfrecord中对其进行编码然后解码以将其提供给网络时，这些无限值变为纳米值。

现在，因为在我的情况下替换原始图像中的无限值然后在tfrecors中编码它不是一个选项，有任何方法我可以替换我的图像张量中的nan值作为我进行之前的操作它到网上？

Answer 1

tf.where和tf.is_nan的组合应该有效：

import tensorflow as tf
with tf.Session():
    has_nans = tf.constant([float('NaN'), 1.])
    print(tf.where(tf.is_nan(has_nans), tf.zeros_like(has_nans), has_nans).eval())

打印（使用TensorFlow 0.12.1）：

[ 0.  1.]

Answer 2

与TF2.0兼容的一种更简单的方法是只使用tf.clip_by_value，它镜像np.clip并删除NaN（请参阅here）：

no_nans = tf.clip_by_value(has_nans, -1e12, 1e12)

一些警告： 1）这也会删除infs 2）根据您的应用程序，可能需要将裁剪值设置为较高的值，以免丢失信息。

Answer 3

如果有人在Tensorflow 2.0中寻找解决方案，则Allen Lavoie的改编代码为：

import tensorflow as tf
with tf.compat.v1.Session():
    has_nans = tf.constant([float('NaN'), 1.])
    print(tf.where(tf.math.is_nan(has_nans), tf.zeros_like(has_nans), has_nans).eval())

Answer 4

按值截取会使NaN变为无穷大，而对于一个变量而言，该值就显得过大了。如果是NaN，我用它来将单个值转换为0：

value_not_nan = tf.dtypes.cast(tf.math.logical_not(tf.math.is_nan(value)), dtype=tf.float32)
tf.math.multiply_no_nan(value, value_not_nan)

替换张量流张量中的nan值

4 个答案: