tensorflow 如何处理 np.nan？

Question

请考虑以下代码，

x = tf.constant([[[1, np.nan, np.nan], [4, 3, -1]], [[10, np.nan, 3], [20,5,-7]], [[5, np.nan, 3], [np.nan,15,-17]]])
x_max = tf.reduce_max(x, reduction_indices=[0])
with tf.Session() as sess:
    print (np.shape(sess.run(x)))
    print (sess.run(x))
    print (sess.run(x_max))

输出如下：

(3, 2, 3)
[[[  1.  nan  nan]
  [  4.   3.  -1.]]

 [[ 10.  nan   3.]
  [ 20.   5.  -7.]]

 [[  5.  nan   3.]
  [ nan  15. -17.]]]
[[ 10. -inf   3.]
 [ 20.  15.  -1.]]

现在我的问题是 tensorflow 如何处理 np.nan，如 numpy.nanmax 或类似的？

Answer 1

引用此link（感谢Yaroslav Bulatov）：

TensorFlow 的不同部分对待它们的方式不同：
* 浮点计算（通常？）传播它们。
* Int 转换将它们视为 0。
* Int 计算失败，TensorFlow 的 Python 部分通常会在“NaN”上引发错误，即尝试将 NaN 汇总添加到直方图将在 Python 中失败 例外。

这里是一些浮点操作的例子：

a = tf.constant([1.0, np.nan])
b = tf.constant(np.nan)
r = tf.reduce_min(a)
m = a * b
with tf.Session() as sess:
    print(sess.run(r)) # prints 1.0
    print(sess.run(m)) # array([nan, nan], dtype=float32)