Python PyTorch nanmean用法及代码示例

本文简要介绍python语言中 torch.nanmean 的用法。

用法:

torch.nanmean(input, dim=None, keepdim=False, *, dtype=None, out=None) → Tensor

参数：

• input(Tensor) -输入张量。

• dim(int或者python的元组：ints) -要减小的尺寸或尺寸。如果 None ，减少所有维度。默认为 None 。

• keepdim(bool) -输出张量是否保留了dim。

关键字参数：

• dtype(torch.dtype， 可选的) -返回张量的所需数据类型。如果指定，则在执行操作之前将输入张量强制转换为dtype。这对于防止数据类型溢出很有用。默认值：无。

• out(Tensor,可选的) -输出张量。

计算沿指定维度的所有 non-NaN 元素的平均值。

当input 张量中没有NaN 值时，此函数与 torch.mean() 相同。在存在 NaN 的情况下， torch.mean() 会将 NaN 传播到输出，而 torch.nanmean() 将忽略 NaN 值( torch.nanmean(a) 相当于 torch.mean(a[~a.isnan()]) )。

如果 keepdim 是 True ，则输出张量的大小与 input 相同，但在维度 dim 中它的大小为 1。否则，dim 被压缩(参见 torch.squeeze() )，导致输出张量的维度少 1 个(或 len(dim) )。

例子：

>>> x = torch.tensor([[torch.nan, 1, 2], [1, 2, 3]])
>>> x.mean()
tensor(nan)
>>> x.nanmean()
tensor(1.8000)
>>> x.mean(dim=0)
tensor([   nan, 1.5000, 2.5000])
>>> x.nanmean(dim=0)
tensor([1.0000, 1.5000, 2.5000])

# If all elements in the reduced dimensions are NaN then the result is NaN
>>> torch.tensor([torch.nan]).nanmean()
tensor(nan)