Python PyTorch nanmean用法及代碼示例

本文簡要介紹python語言中 torch.nanmean 的用法。

用法:

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

參數：

• input(Tensor) -輸入張量。

• dim(int或者python的元組：ints) -要減小的尺寸或尺寸。如果 None ，減少所有維度。默認為 None 。

• keepdim(bool) -輸出張量是否保留了dim。

關鍵字參數：

• dtype(torch.dtype， 可選的) -返回張量的所需數據類型。如果指定，則在執行操作之前將輸入張量強製轉換為dtype。這對於防止數據類型溢出很有用。默認值：無。

• out(Tensor,可選的) -輸出張量。

計算沿指定維度的所有 non-NaN 元素的平均值。

當input 張量中沒有NaN 值時，此函數與 torch.mean() 相同。在存在 NaN 的情況下， torch.mean() 會將 NaN 傳播到輸出，而 torch.nanmean() 將忽略 NaN 值( torch.nanmean(a) 相當於 torch.mean(a[~a.isnan()]) )。

如果 keepdim 是 True ，則輸出張量的大小與 input 相同，但在維度 dim 中它的大小為 1。否則，dim 被壓縮(參見 torch.squeeze() )，導致輸出張量的維度少 1 個(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)