torch.nanmean

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

计算指定维度上所有非 NaN 元素的均值。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。存在 NaN 时， torch.mean() 将 NaN 传播到输出，而 torch.nanmean() 将忽略 NaN 值（torch.nanmean(a)等价于 torch.mean(a[~a.isnan()])）。

如果 keepdim 是 True ，则输出张量的大小与 input 相同，除了在维度 dim 上它的大小为 1。否则， dim 被挤压（见 torch.squeeze() ），导致输出张量维度减少 1（或 len(dim) ）。

参数:

• 输入（Tensor）- 输入张量，可以是浮点数或复数数据类型

• dim（int 或 int 元组，可选）- 要降低的维度或维度。如果为 None ，则降低所有维度。

• keepdim（布尔值）- 输出张量是否保留 dim 。

关键字参数:

• dtype（ torch.dtype ，可选）- 返回张量的期望数据类型。如果指定，则在执行操作之前将输入张量转换为 dtype 。这有助于防止数据类型溢出。默认：None。

• 输出（张量，可选）- 输出张量。

参见

torch.mean() 计算平均值，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)