一个方法中什么时候会出现"s != s"？

Question

我找到了一个代码片段，是用于tensorboard（pytorch训练）的自定义度量(metric)。

def specificity(output, target, t=0.5):
    
    tp, tn, fp, fn = tp_tn_fp_fn(output, target, t)

    if fp == 0:
        return 1
    s = tn / (tn + fp)

    if s != s:
        s = 1

    return s

def tp_tn_fp_fn(output, target, t):
    with torch.no_grad():
        preds = output > t  # torch.argmax(output, dim=1)
        preds = preds.long()
        num_true_neg = torch.sum((preds == target) & (target == 0), dtype=torch.float).item()
        num_true_pos = torch.sum((preds == target) & (target == 1), dtype=torch.float).item()
        num_false_pos = torch.sum((preds != target) & (target == 1), dtype=torch.float).item()
        num_false_neg = torch.sum((preds != target) & (target == 0), dtype=torch.float).item()

    return num_true_pos, num_true_neg, num_false_pos, num_false_neg

就计算本身而言，它足够容易理解。

我不理解的是 s！= s。 这个检查是什么意思，这两个 s 怎么可能不同？

- PrimuS

---

这是处理除以0的一种方法。它适用于NaN。例如，检查np.nan != np.nan。 - Remi Cuingnet

当s为NaN时，可能是什么原因？ - Tom Lord

关于NaN的更多信息：https://dev59.com/PXNA5IYBdhLWcg3wfN2O#944712 - Nikolaj Š.

NaN不是每个除以零的结果；根据IEEE 754浮点运算规范，当x不为零时，x / 0.0将为正无穷大或负无穷大，但0.0 / 0.0为NaN。然而，在这种情况下，0.0 / 0.0是不可能的，因为fp不为零，所以如果分子为零，则分母不能为零。然而，从一个无穷大除以另一个无穷大仍然可能导致NaN。值得注意的是，在Python中，特别是使用内置的float类型，0.0 / 0.0不会给出NaN，而会引发错误。 - kaya3

这是我认为的糟糕代码。如果它要检查的是 NaN 值，那么有适当的方法可以进行此验证，这将使代码更易读。s 可以是 NaN 的唯一方式是如果 tn == 0，因此可以在之前进行检查：if fp == 0 or tn == 0: return 1。 - Sembei Norimaki

Answer 1

因为这与机器学习有关，我会假设数据都是数字。唯一一个使得 s != s 成立的数字是特殊的非数字值 nan。任何与 nan 的比较都是 false，因此可以得出 nan 不等于它自己。

- Simon Lundberg