torch.nanmean

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

計算指定維度上所有非 NaN 元素的平均值。輸入必須是浮點型或複數型。

當 input 張量中沒有 NaN 值時，此函式與 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() 則會忽略 NaN 值（torch.nanmean(a) 等同於 torch.mean(a[~a.isnan()])）。

如果 keepdim 為 True，則輸出張量的大小與 input 相同，只有在 dim 維度上大小為 1。否則，dim 將被擠壓（參見 torch.squeeze()），導致輸出張量維度減少 1（或 len(dim)）個。

引數

• input (Tensor) – 輸入張量，必須是浮點型或複數型

• dim (int 或 tuple of ints, optional) – 要規約的維度或維度。如果為 None，則規約所有維度。

• keepdim (bool, optional) – 輸出張量是否保留 dim。預設為 False。

關鍵字引數

• dtype (torch.dtype, 可選) – 返回張量的期望資料型別。如果指定，則在執行操作之前將輸入張量轉換為 dtype。這對於防止資料型別溢位很有用。預設為 None。

• out (Tensor, optional) – 輸出張量。

另請參閱

torch.mean() 計算平均值，會傳播 NaN。

示例

>>> 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)