python - 如何避免Python中的零除错误

我正在尝试为模型建立骰子损失（需要使用蒙版进行分割，因此我使用的是IoU指标）。

至于最后一部分，即相交和并集之间的除法，我无法克服“零除以浮点数除法”这一部分。我试过对if else使用平滑常数（1e-6），try except和ZeroDivisionError子句。

这是代码：

import numpy as np


def arith_or(array1, array2):
    res = []
    for a, b in zip(array1, array2):
        if a == 1.0 or b == 1.0:
            res.append(1.0)
        else:
            res.append(0.0)

    return res


def arith_and(array1, array2):
    res = []
    for a, b in zip(array1, array2):
        if a == 1.0 and b == 1.0:
            res.append(1.0)
        else:
            res.append(0.0)

    return res


def dice_loss(y_true, y_pred):
    y_true_f = np.ravel(y_true)
    y_pred_f = np.ravel(y_pred)
    intersection = arith_and(y_true_f, y_pred_f).sum((1, 2))
    union = arith_or(y_true_f, y_pred_f).sum((1, 2))
    score = ((2.0 * intersection + 1e-6) / (union + 1e-6))

    return 1 - score

错误：

    ZeroDivisionError                         Traceback (most recent call last)
<ipython-input-40-886068d106e5> in <module>()
     65 output_layer = build_model(input_layer, 16)
     66 model = Model(input_layer, output_layer)
---> 67 model.compile(loss=dice_loss, optimizer="adam", metrics=["accuracy"])

2 frames
/content/losers.py in dice_loss(y_true, y_pred)
     30     intersection = arith_and(y_true_f, y_pred_f).sum((1, 2))
     31     union = arith_or(y_true_f, y_pred_f).sum((1, 2))
---> 32     score = ((2.0 * intersection + 1e-6) / (union + 1e-6))
     33
     34     return 1 - score

ZeroDivisionError: float division by zero

最佳答案

我不是专家，但是我使用的骰子损失功能来自Raymond Yuan（https://ej.uz/hk9s）的“使用tf.keras进行图像分割”，它一次也没让我失败。

功能：

def dice_coeff(y_true, y_pred):
    smooth = 1.
    y_true_f = tf.reshape(y_true, [-1])
    y_pred_f = tf.reshape(y_pred, [-1])
    intersection = tf.reduce_sum(y_true_f * y_pred_f)
    score = (2. * intersection + smooth) / (tf.reduce_sum(y_true_f) + tf.reduce_sum(y_pred_f) + smooth)
    return score

def dice_loss(y_true, y_pred):
    loss = 1 - dice_coeff(y_true, y_pred)
    return loss

似乎分子和分母都被加上了浮点数1。

使用numpy，它将是：

def dice_loss(y_true, y_pred):
    smooth = 1.
    y_true_f = np.ravel(y_true)
    y_pred_f = np.ravel(y_pred)
    intersection = np.sum(y_true_f * y_pred_f)
    score = (2. * intersection + smooth) / (np.sum(y_true_f) + np.sum(y_pred_f) + smooth)
    return 1 - score