假设我有一个(batch_size, loss_dim)的二维张量，我希望得到每个数据样本的每个损失维度的总和，这可以用tf.reduce_mean(tensor, axis=-1)来完成。
但是，如果我的张量中有NaN值，我想在计算总和时忽略那些NaN怎么办？有谁知道怎么做？
PS。我知道我们可以使用tf.boolean_mask来填充NaN，但如果我只是tensor = tf.boolean_mask(tensor, tf.logical_not(tf.is_nan(tensor))，输出将被压缩到单个维度，这不是我想要的。
非常感谢你！
答案 0 :(得分：5)
您可以使用tf.where()将tensor中的NaN值替换为零，同时保留原始形状：
tensor = ...
# Replace all NaN values with 0.0.
tensor_without_nans = tf.where(tf.is_nan(tensor), tf.zeros_like(tensor), tensor)
sum_ignoring_nans = tf.reduce_sum(tensor_without_nans, axis=-1)