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元素的平均值。输入数据必须为浮点数或复数。

当input张量中没有NaN值时，此函数与torch.mean()完全相同。在存在NaN的情况下，torch.mean()会将NaN传播到输出结果，而torch.nanmean()则会忽略NaN值（torch.nanmean(a)等同于torch.mean(a[~a.isnan()])）。

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

输入 (Tensor) – 输入的张量，可以是浮点类型或复数类型
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。
out (Tensor, 可选) – 指定输出张量。

参见

torch.mean() 计算平均值并传播 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)