Python PyTorch nansum用法及代碼示例

本文簡要介紹python語言中 torch.nansum 的用法。

用法:

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

參數：

input(Tensor) -輸入張量。

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。

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。

• 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。

返回所有元素的總和，將非數字 (NaN) 視為零。

例子：

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

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

返回給定維度 dim 中 input 張量的每一行的總和，將非數字 (NaN) 視為零。如果dim 是維度列表，則對所有維度進行歸約。

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：

>>> 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.])