Tensorflow：如何使用nan值处理输入数据

Question

我有一个带有sigmoid损失的多层感知器（tf.nn.sigmoid_cross_entropy_with_logits）和一个Adam优化器（tf.train.AdamOptimizer）。我的输入数据有几个特征和一些南特征值。当我用0替换nan值时，我得到一个结果，但是，当我不替换nan值时，我得到loss = nan。

在tensorflow中处理nan值的最佳方法是什么？如何使用带有nan值的输入数据而不用0替换它们？

Answer 1

Question

我怎么能以某种方式告诉我的网络忽略一些输入数据。例如，当输入数据是nan时

Answer

这与在输入数据中添加掩码非常相似。你希望输入数据通过，nans转为零，但你想以某种方式向神经网络发出信号，忽略nans的位置，并注意其他一切。

在this question about adding a mask中，我将介绍如何将遮罩成功添加到图像中，同时还为非图像问题提供代码演示。

• 首先创建一个掩码，1表示数据存在于输入中，0表示存在nan。
• 其次，清理将nans转换为0或0.5的输入，或任何真正的输入。
• 第三，将掩码堆叠到输入上。如果输入是图像，则掩码变为另一个颜色通道。

masking question中的代码显示，当添加蒙版时，神经网络能够很好地学习，并且当未添加蒙版时，它无法很好地学习。