torch.nansum

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

返回所有元素的總和，將非數值 (NaNs) 視為零。

引數

input (Tensor) – 輸入張量。

關鍵字引數

dtype (torch.dtype, optional) – 返回張量的期望資料型別。如果指定，輸入張量在執行操作前會轉換為 dtype。這對於防止資料型別溢位很有用。預設值：None。

示例

>>> 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 中輸入張量每行的總和，將非數值 (NaNs) 視為零。如果 dim 是一個維度列表，則對所有這些維度進行歸約。

如果 keepdim 為 True，則輸出張量與 input 的大小相同，除了維度 dim 的大小為 1。否則，dim 會被壓縮（參見 torch.squeeze()），導致輸出張量減少 1 (或 len(dim)) 個維度。

引數

• input (Tensor) – 輸入張量。

• dim (int or tuple of ints, optional) – 要歸約的維度或維度列表。如果為 None，則對所有維度進行歸約。

• keepdim (bool) – 輸出張量是否保留 dim。

關鍵字引數

dtype (torch.dtype, optional) – 返回張量的期望資料型別。如果指定，輸入張量在執行操作前會轉換為 dtype。這對於防止資料型別溢位很有用。預設值：None。

示例

>>> 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.])