【Tensorflow】tf.map_fn() 使用过程中遇到【inf, NaN】报错问题_omputed at time 0.0 is inf or nan.

采用python map 的正确写法如下 

mat_ratio = list(map(lambda x: 1.0/x if not x == 0.0 else float(64.0), mat_ratio))

但是，在有的时候，我们需要x是一个tensor，mat_ratio定义的是一个op graph，按照常规思维，进行如下改写： 

mat_ratio = tf.map_fn(lambda x: 1.0/x if not x == 0.0 else float(64.0), mat_ratio)

接下来就会看到错误了 ：

InvalidArgumentError (see above for traceback): LossTensor is inf or nan : Tensor had NaN values

原来在tensorflow graph 定义中，if ... else 是不被识别的，只能通过tf.cond()进行代替，下面给出一个tf.cond的例子，具体的api请查看相关文档。

z = tf.multiply(a, b)
result = tf.cond(x < y, lambda: tf.add(x, z), lambda: tf.square(y))

根据以上例子，修改我的代码：

mat_ratio = tf.map_fn(lambda x: tf.cond(x > 0, lambda: 1/x, lambda: float(64.0)), mat_ratio)

ok, 完美解决[inf, NaN]问题。

注意，在tensorflow graph中，不支持x==0的操作，只支持><这样的操作。