torch.nansum

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

返回所有元素的总和，并将“非数字”（NaN）视为零。

参数: input (Tensor) – 需要输入的张量。
关键字参数: dtype (torch.dtype, 可选) – 返回的张量的数据类型。如果指定了 dtype，则在执行操作之前将输入张量转换为此数据类型，以防止数据溢出。默认值：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

返回给定维度 dim 上input 张量每一行的和，将“非数字”（NaN）视为零。如果 dim 是一个维度列表，则在所有这些维度上进行缩减。

如果 keepdim 是 True，则输出张量与输入张量大小相同，除了在 dim 指定的维度上其大小为 1。否则，dim 维度会被挤压（参见 torch.squeeze()），导致输出张量比输入少 1 （或 len(dim)）个维度。

参数

input (Tensor) – 需要输入的张量。
dim (int 或元组 of ints, 可选) – 要减少的维度。如果为 None，则所有维度都会被减少。
keepdim (bool) – 是否在输出张量中保留dim维度。

关键字参数

dtype (torch.dtype, 可选) – 返回的张量的数据类型。如果指定了 dtype，则在执行操作之前将输入张量转换为此数据类型，以防止数据溢出。默认值：None。

示例：

>>> torch.nansum(torch.tensor([1., float("nan")]))
1.0
>>> 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.])