Python PyTorch nansum用法及代码示例

本文简要介绍python语言中 torch.nansum 的用法。

用法:

torch.nansum(input, *, dtype=None) → Tensor

参数：

input(Tensor) -输入张量。

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。

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。

• 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。

返回所有元素的总和，将非数字 (NaN) 视为零。

例子：

>>> a = torch.tensor([1., 2., float('nan'), 4.])
>>> torch.nansum(a)
tensor(7.)

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

返回给定维度 dim 中 input 张量的每一行的总和，将非数字 (NaN) 视为零。如果dim 是维度列表，则对所有维度进行归约。

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：

>>> torch.nansum(torch.tensor([1., float("nan")]))
1.0
>>> a = torch.tensor([[1, 2], [3., float("nan")]])
>>> torch.nansum(a)
tensor(6.)
>>> torch.nansum(a, dim=0)
tensor([4., 2.])
>>> torch.nansum(a, dim=1)
tensor([3., 3.])