采用python map 的正確寫法如下?

mat_ratio = list(map(lambda x: 1.0/x if not x == 0.0 else float(64.0), mat_ratio))

但是，在有的時候，我們需要x是一個tensor，mat_ratio定義的是一個op graph，按照常規思維，進行如下改寫：?

mat_ratio = tf.map_fn(lambda x: 1.0/x if not x == 0.0 else float(64.0), mat_ratio)

接下來就會看到錯誤了?：

InvalidArgumentError (see above for traceback): LossTensor is inf or nan : Tensor had NaN values

原來在tensorflow graph 定義中，if ... else 是不被識別的，只能通過tf.cond()進行代替，下面給出一個tf.cond的例子，具體的api請查看相關文檔。

z = tf.multiply(a, b) result = tf.cond(x < y, lambda: tf.add(x, z), lambda: tf.square(y))

根據以上例子，修改我的代碼：

mat_ratio = tf.map_fn(lambda x: tf.cond(x > 0, lambda: 1/x, lambda: float(64.0)), mat_ratio)

ok, 完美解決[inf, NaN]問題。

注意，在tensorflow graph中，不支持x==0的操作，只支持><這樣的操作。
?

總結

以上是生活随笔為你收集整理的【Tensorflow】tf.map_fn() 使用过程中遇到【inf, NaN】报错问题的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。