我试图计算两个矩阵的差异，以便定义我的损失函数。模型非常简单，我有一个输入矩阵和一个输出矩阵。

定义 X 为输入矩阵

定义 Y 为输出矩阵

通常我会使用 tf.reduce_mean(tf.abs(X-Y))，但这不可行，因为矩阵 X 包含 nan 值。

所以我想做的是在 tf.is_nan(X) 返回 False 的位置上对 X 进行求和，然后在相同索引上对 Y 进行求和。接着我会这样定义我的损失函数 loss = tf.abs(reduce_nan_sum(X)-reduce_nan_sum(Y))

with tf.Session() as sess:    sess.run(init)    print(sess.run(tf.is_nan(X), feed_dict={X: vals}))[[False, False,  True], [False,  True, False]]

X 和 Y 的样本值

X = [[0.,  1.,  nan],    [2.,  nan, 0.5]]Y = [[0.002,  0.967,  0,2],    [1.956,  0.3, 0.487]]

回答：

NaN 值可以用零替换。对于操作，可以使用与在 Tensorflow 张量中替换 NaN 值相同的方法

sess.run(tf.reduce_mean(tf.abs(tf.where(tf.is_nan(x), tf.zeros_like(x), x)-y)))

学技术