TensorFlow中如何将张量计算结果的所有nan值正确替换为0

每次调用TensorFlow张量的.numpy()方法，都会基于张量当前值生成一份独立的numpy数组副本。直接对链式调用生成的临时副本做赋值修改，改动只会停留在这个临时副本上，既不会修改原始TF张量，也不会影响下一次调用.numpy()时新生成的数组，因此nan值始终没有被真正替换。
另外你贴的代码存在一处笔误：out = ts / (ts + fx)中的fx未定义，应为前面声明的tx。

方案1：使用TF原生API（推荐） #

直接在张量层面完成值替换，避免频繁的张量与numpy数组转换，性能更优，也不会出现副本修改无效的问题：

import tensorflow as tf
import numpy as np

ts = tf.constant([[0, 0]], dtype=tf.float32) 
tx = tf.constant([[0, 1]], dtype=tf.float32) 

out = ts / (ts + tx)
# 识别所有nan位置，替换为同形状的0值
out = tf.where(
    condition=tf.math.is_nan(out),
    x=tf.zeros_like(out),
    y=out
)

print(out.numpy())
# 输出结果：[[0. 0.]]

方案2：转numpy后持有引用再修改 #

如果需要用numpy逻辑处理数据，必须先把.numpy()生成的数组赋值给固定变量，修改完成后如果需要继续在TF流程中使用，可以再转回TF张量：

# 将张量转为numpy数组并存入变量，持有数组引用
out_np = out.numpy()
# 生成nan值的布尔掩码
nan_mask = tf.math.is_nan(out).numpy()
# 对持有的numpy数组做原地赋值
out_np[nan_mask] = 0

print(out_np)
# 输出结果：[[0. 0.]]

# 后续需要使用TF张量时，将处理好的数组转回即可
out = tf.constant(out_np)

• 不要直接对.numpy()返回的临时对象做原地修改，所有修改必须作用在你自己持有引用的numpy变量上
• 优先使用TensorFlow内置算子做数值处理，避免不必要的设备间数据拷贝、格式转换开销

内容的提问来源于stack exchange，提问作者Anshuman Sinha