TensorFlow中如何将无效字符串映射为指定的默认数值？

完全可以通过纯TensorFlow向量化操作实现该需求，无Python原生逻辑依赖，可直接嵌入Keras预处理层使用。

实现思路 #

1. 用正则匹配校验每个字符串是否为合法数字格式
2. 用tf.where将非法字符串替换为默认值对应的字符串形式
3. 统一对处理后的字符串执行转换操作，避免报错

基础使用示例 #

import tensorflow as tf

# 输入字符串张量
strs = tf.constant(['12', '52', 'apple', '3'])
# 配置默认值
default_value = -1.0
# 匹配整数、浮点数、科学计数法格式的正则
num_pattern = r'^[+-]?(\d+\.?\d*|\.\d+)([eE][+-]?\d+)?$'

# 生成合法数字掩码
is_valid_num = tf.strings.regex_full_match(strs, num_pattern)
# 非法值替换为默认值的字符串形式
processed_strs = tf.where(is_valid_num, strs, tf.constant(str(default_value)))
# 转换为float32张量
result = tf.strings.to_number(processed_strs, out_type=tf.float32)

print(result.numpy()) # 输出: [12. 52. -1.  3.]

封装为Keras自定义层 #

可直接集成到模型预处理流程中：

class StringToFloatWithDefault(tf.keras.layers.Layer):
    def __init__(self, default_value=-1.0, **kwargs):
        super().__init__(**kwargs)
        self.default_value = default_value
        self.default_str = tf.constant(str(default_value))
        self.num_pattern = r'^[+-]?(\d+\.?\d*|\.\d+)([eE][+-]?\d+)?$'
    
    def call(self, inputs):
        is_valid = tf.strings.regex_full_match(inputs, self.num_pattern)
        processed = tf.where(is_valid, inputs, self.default_str)
        return tf.strings.to_number(processed, out_type=tf.float32)

# 使用示例
layer = StringToFloatWithDefault(default_value=-1.0)
print(layer(strs).numpy()) # 输出同上

特性说明 #

• 支持任意维度的字符串张量输入，所有操作为元素级向量化运算
• 可通过修改num_pattern适配特殊的数字格式需求
• 无Python原生逻辑依赖，可用于tf.data管道或导出为SavedModel部署

内容的提问来源于stack exchange，提问作者PeaBrane