torch.nanmedian

torch.nanmedian(input) → Tensor

返回input中值的中间值，忽略NaN值。

当input中没有NaN值时，此函数与torch.median()相同。当input有一个或多个NaN值时，torch.median()将始终返回NaN，而此函数将返回input中非NaN元素的中值。如果input中的所有元素都是NaN，它也将返回NaN。

参数

input (张量) – 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)

返回一个名为元组(values, indices)，其中values包含input在维度dim上每行的中值，忽略NaN值，而indices包含在维度dim上找到的中值的索引。

当缩减后的行中没有NaN值时，此函数与torch.median()相同。当缩减后的行有一个或多个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元素的中值。如果缩减后的行中的所有元素都是NaN，那么它也将缩减为NaN。

参数

• input (张量) – 输入张量。

• dim (int) – 要缩减的维度。

• keepdim (bool) – 输出张量是否保留dim。

关键字参数

out ((张量, 张量), 可选) – 第一个张量将填充中值，第二个张量（必须为 dtype long）填充input在维度dim上的索引。

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]))