torch.nansum

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

返回所有元素的总和，将非数字（NaNs）视为零。

参数:

input (Tensor) – 输入张量。

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。

示例：

>>> a = torch.tensor([1., 2., float('nan'), 4.])
>>> torch.nansum(a)
tensor(7.)

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

返回给定维度 dim 中每个行张量 input 的求和，将非数字(NaN)视为零。如果 dim 是维度的列表，则在所有维度上降维。

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:

• input (Tensor) – 输入张量。

• 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。

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.])