torch.nanmedian

torch.nanmedian(input) → Tensor

返回 input 中值的中间值，忽略 NaN 值。

此函数在没有 NaN 值时与 torch.median() 相同。当 input 有一个或多个 NaN 值时， torch.median() 总是返回 NaN ，而此函数将返回 input 中非 NaN 元素的均值。如果 input 中的所有元素都是 NaN ，它也将返回 NaN 。

参数:

input (Tensor) – 输入张量。

示例：

>>> 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)

返回一个命名元组 (values, indices) ，其中 values 包含 input 中每行的中位数，在维度 dim 上忽略 NaN 值， indices 包含在维度 dim 上找到的中位数值的索引。

当一个缩减行中没有 NaN 值时，此函数与 torch.median() 相同。当一个缩减行有一个或多个 NaN 值时， torch.median() 将始终将其缩减为 NaN ，而此函数将将其缩减为非 NaN 元素的中位数。如果一个缩减行中的所有元素都是 NaN ，则它也将被缩减为 NaN 。

参数:

• input (Tensor) – 输入张量。

• dim（整数）- 要减少的维度。

• keepdim（布尔值）- 输出张量是否保留 dim 。

关键字参数:

out ((Tensor, Tensor), 可选) – 第一个张量将被填充为中值，第二个张量，其数据类型必须为 long，将填充它们的索引，索引维度为 dim 和 input 。

示例：

>>> 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]))