由于使用了自定义损失函数，自动编码器的预测都是 NaN

Question

我正在为基因表达数据构建一个自动编码器。一些基因没有表达并且在输入中有NaN。我的输出（预测）都是 NaN。这是我的损失函数：

def nan_mse(y_actual, y_predicted):
    per_instance = tf.where(tf.is_nan(y_actual),
    tf.zeros_like(y_actual),
    tf.square(tf.subtract(y_predicted, y_actual)))
    return tf.reduce_mean(per_instance, axis=0)

和型号：

input_data = Input(shape=(1,num_genes))

#Leaky-Parametric-RelU
#Encoder
x = Dense(num_genes)(input_data)
encoder = PReLU()(x)

#Battleneck layer
encoded = Dense(64, activation = 'sigmoid')(encoder)

#Decoder
x = Dense(num_genes)(encoded)
decoder = PReLU()(x)

autoencoder = Model(input_data, decoder)
autoencoder.compile(loss=nan_mse, optimizer = 'adam') 
autoencoder.summary()

history = autoencoder.fit(x_train,x_train, epochs =50, verbose = 2),                      
 callbacks = [MyCustomCallback()])

我的目标是让网络忽略 NaN 值，但在输入中预先接收它们很重要。这可以通过完成损失函数来实现吗？

现在输出是 NaN。一位用户在这里建议编辑代码：

def nan_mse(y_actual, y_predicted):
    stack = tf.stack((tf.is_nan(y_actual), 
                      tf.is_nan(y_predicted)),
                     axis=1)
    is_nans = tf.keras.backend.any(stack, axis=1)
    per_instance = tf.where(is_nans,
                            tf.zeros_like(y_actual),
                            tf.square(tf.subtract(y_predicted, y_actual)))
    print(per_instance)
    return tf.reduce_mean(per_instance, axis=0)

现在我得到 0.0000e+00 作为我的损失，但这并不能解决根本问题。

Original question.

Answer 1

x=pd.read_csv("C:/Users/10.csv",index_col=False).groupby(['Column_name_optional']).mean().reset_index()

x = x.replace(np.nan, 0)

这将用零替换所有 NaN