torch.nanmean#
- torch.nanmean(input, dim=None, keepdim=False, *, dtype=None, out=None) Tensor #
计算沿指定维度的所有非NaN元素的平均值。输入必须是浮点数或复数。
当
input
张量中没有NaN值时,此函数与torch.mean()
相同。当存在NaN值时,torch.mean()
会将NaN传播到输出,而torch.nanmean()
会忽略NaN值(torch.nanmean(a)等价于torch.mean(a[~a.isnan()]))。如果
keepdim
为True
,则输出张量的大小与input
相同,只是在dim
维度上大小为1。否则,dim
将被压缩(参见torch.squeeze()
),导致输出张量维度少1(或len(dim)
)个。- 参数
- 关键字参数
dtype (
torch.dtype
, optional) – 返回张量的期望数据类型。如果指定,输入张量将在执行操作之前转换为dtype
。这对于防止数据类型溢出很有用。默认为None。out (Tensor, optional) – 输出张量。
另请参阅
torch.mean()
计算平均值,会传播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)