torch.nansum

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

傳回所有元素的總和，將非數字 (NaN) 視為零。

參數

input (Tensor) – 輸入張量。

關鍵字參數

dtype (torch.dtype, optional) – 返回張量的期望資料類型。如果指定，則輸入張量會在執行操作前轉換為 dtype。這對於防止資料類型溢位很有用。預設值：None。

範例

>>> 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 張量每一列的總和，並將非數字 (NaN) 視為零。如果 dim 是維度的列表，則會縮減所有維度。

如果 keepdim 為 True，則輸出張量的大小與 input 相同，除了維度 dim 中的大小為 1 之外。否則，dim 會被擠壓（參見 torch.squeeze()），導致輸出張量減少 1 個（或 len(dim)）維度。

參數

• input (Tensor) – 輸入張量。

• dim (int 或 ints 的 tuple, optional) – 要縮減的維度。 如果 None，則所有維度都將縮減。

• keepdim (bool) – 輸出張量是否保留 dim。

關鍵字參數

dtype (torch.dtype, optional) – 返回張量的期望資料類型。如果指定，則輸入張量會在執行操作前轉換為 dtype。這對於防止資料類型溢位很有用。預設值：None。

範例

>>> torch.nansum(torch.tensor([1., float("nan")]))
tensor(1.)
>>> 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.])