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 元素的均值。输入必须是浮点或复数类型。

当input 张量中没有 NaN 值时，此函数与 torch.mean() 完全相同。当存在 NaN 时，torch.mean() 会将 NaN 传播到输出，而 torch.nanmean() 会忽略 NaN 值（torch.nanmean(a) 等价于 torch.mean(a[~a.isnan()])）。

如果 keepdim 为 True，则输出张量的大小与 input 相同，但 dim 指定的维度大小为 1。否则，dim 会被压缩（详见 torch.squeeze()），导致输出张量的维度比输入少 1（或 len(dim)）个。

参数

• input (Tensor) – 输入张量，浮点或复数类型

• dim (int 或 int 的 tuple，可选) – 要归约的维度或维度。如果为 None，则归约所有维度。

• keepdim (bool) – 输出张量是否保留 dim 指定的维度。

关键字参数

• dtype (torch.dtype, 可选) – 返回张量所需的数据类型。如果指定，输入张量在执行操作之前会转换为 dtype 类型。这有助于防止数据类型溢出。默认值：None。

• out (Tensor, 可选) – 输出张量。

另请参阅

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)