torch.nanmedian

torch.nanmedian(input) → Tensor

傳回 input 中數值的中位數，忽略 NaN 值。

此函數與 torch.median() 在 input 中沒有 NaN 值時完全相同。 當 input 具有一個或多個 NaN 值時，torch.median() 將始終返回 NaN，而此函數將返回 input 中非 NaN 元素的中位數。 如果 input 中的所有元素都是 NaN，它也將返回 NaN。

參數

input (Tensor) – 輸入張量。

範例

>>> a = torch.tensor([1, float('nan'), 3, 2])
>>> a.median()
tensor(nan)
>>> a.nanmedian()
tensor(2.)

torch.nanmedian(input, dim=-1, keepdim=False, *, out=None)

返回一個名為 (values, indices) 的 namedtuple，其中 values 包含 input 在維度 dim 中每行的中位數，忽略 NaN 值，而 indices 包含在維度 dim 中找到的中位數值的索引。

當簡化的行中沒有 NaN 值時，此函數與 torch.median() 完全相同。 當簡化的行具有一個或多個 NaN 值時，torch.median() 將始終將其簡化為 NaN，而此函數將將其簡化為非 NaN 元素的中位數。 如果簡化的行中的所有元素都是 NaN，那麼它也會被簡化為 NaN。

參數

• input (Tensor) – 輸入張量。

• dim (int) – 要簡化的維度。

• keepdim (bool) – 輸出張量是否保留 dim。

關鍵字參數

out ((Tensor, Tensor), 可選) – 第一個張量將填充中位數值，第二個張量（必須具有 dtype long）將填充 input 的 dim 維度中的索引。

範例

>>> a = torch.tensor([[2, 3, 1], [float('nan'), 1, float('nan')]])
>>> a
tensor([[2., 3., 1.],
        [nan, 1., nan]])
>>> a.median(0)
torch.return_types.median(values=tensor([nan, 1., nan]), indices=tensor([1, 1, 1]))
>>> a.nanmedian(0)
torch.return_types.nanmedian(values=tensor([2., 1., 1.]), indices=tensor([0, 1, 0]))