python - 是否有相当于 np.nanmean() 的 Keras？

Question

在 Keras 损失函数中，我希望有一个 np.nanmean() 等效函数:

在损失函数中，以下简化示例的等效项由于明显的原因而失败。找不到处理该问题的方法，例如使用 K.gather()。

一个简化的例子:

from keras import backend as K
import numpy as np


nominator = np.array([-6,4,-8,7,0,5,1,-2])
denominator = np.array([1,4,5,7,9,0,12,0])

Nom = K.variable(nominator,dtype='int32')
DeNom = K.variable(denominator,dtype='int32')

Ratio = Nom/DeNom
Loss = K.sum(Ratio)

由于分母中有 0，这将在损失函数中返回 nan:

K.eval(Loss)
nan

我希望有某种方法可以生成与

等效的内容

Loss = K.nansum(Ratio)

或者等价于索引:

Filter_Ratio = K.gather(Ratio,K.any(DeNom))
Loss = K.sum(Filter_Ratio)

这里Filter_Ratio = [-6,4,-8,7,0,1]/[1,4,5,7,9,12]

但是没有 K.nansum() 并且 K.gather() 不能像这样工作。

我想转移到 Keras 的 numpy 实现是:

nominator = np.array([-6,4,-8,7,0,5,1,2])
denominator = np.array([1,4,5,7,9,0,12,0])
ind = denominator!=0
ratio = nominator[ind]/denominator[ind]

loss = np.sum(ratio)

Answer 1

from keras import backend as K
import tensorflow as tf


Nom = tf.constant([-6,4,-8,7,0,5,1,-2], dtype='int32')
DeNom = tf.constant([1,4,5,7,9,0,12,0], dtype='int32')
Ratio = Nom/DeNom
Ratio1 = tf.where(tf.is_inf(Ratio), tf.zeros_like(Ratio), Ratio)
Loss = K.sum(Ratio1)

with tf.Session() as sess:
    print (sess.run(Loss))

输出:

-5.516666666666667

• 将张量相除，并将 Ratio 张量中的无穷大值替换为零

  Ratio1 = tf.where(tf.is_inf(Ratio), tf.zeros_like(Ratio), Ratio)

tf.where 与 np.where

非常相似

https://www.tensorflow.org/api_docs/python/tf/where