Tensorflow计算F1时报错Cannot convert 1e-12 to int32如何解决？

报错核心来源于两个问题：

• 预测值存在浮点精度误差带来的极小值，并非显式存储的1e-12，因此replace方法无法匹配到对应值，强制转换int32时触发类型错误
• 转换numpy数组时额外用[]包裹DataFrame，引入了多余维度，后续计算时触发隐式类型转换错误

1. 先对数据做预处理，消除浮点误差，统一转成int32类型

# 预测值做阈值截断，确保只有0/1值，再转int32
y_pred = y_pred.applymap(lambda x: 1 if x >= 0.5 else 0).astype(numpy.int32)
# 真实值直接转int32
y_act = y_act.astype(numpy.int32)

2. 直接将DataFrame转为numpy数组，不要额外加[]包裹

pred_numpy = y_pred.to_numpy()
act_numpy = y_act.to_numpy()

3. 补充适配逻辑（按需使用）
   如果你的标签是一维类别索引格式（每个样本对应一个整数类别号，不是one-hot编码），需要先做one-hot转换匹配F1Score的输入要求：

pred_numpy = tf.one_hot(pred_numpy, depth=num_classes).numpy()
act_numpy = tf.one_hot(act_numpy, depth=num_classes).numpy()

计算F1分数时显式转换输入的tensor类型：

metric = tfa.metrics.F1Score(num_classes=num_classes, average="macro")
metric.update_state(tf.cast(act_numpy, tf.int32), tf.cast(pred_numpy, tf.int32))
print(metric.result().numpy())

import numpy
import tensorflow as tf
import tensorflow_addons as tfa

# 数据预处理
y_pred = y_pred.applymap(lambda x: 1 if x >= 0.5 else 0).astype(numpy.int32)
y_act = y_act.astype(numpy.int32)

# 格式转换
pred_numpy = y_pred.to_numpy()
act_numpy = y_act.to_numpy()

# 按需添加one-hot转换
# pred_numpy = tf.one_hot(pred_numpy, depth=num_classes).numpy()
# act_numpy = tf.one_hot(act_numpy, depth=num_classes).numpy()

# 计算F1
metric = tfa.metrics.F1Score(num_classes=num_classes, average="macro")
metric.update_state(tf.cast(act_numpy, tf.int32), tf.cast(pred_numpy, tf.int32))
print(metric.result().numpy())

内容的提问来源于stack exchange，提问作者Brian L