torch.nanmedian

torch.nanmedian(input) → 张量

返回 `input` 中忽略 `NaN` 值的数值的中位数。

当 `input` 中没有 `NaN` 值时，此函数与 torch.median() 相同。当 `input` 中有一个或多个 `NaN` 值时，torch.median() 总是返回 `NaN`，而此函数将返回 `input` 中非 `NaN` 元素的中位数。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)

返回一个命名元组 (values, indices)，其中 values 包含 `input` 在维度 dim 中每行数值的中位数（忽略 `NaN` 值），indices 包含在维度 dim 中找到的中位数值的索引。

当缩减后的行中没有 `NaN` 值时，此函数与 torch.median() 相同。当缩减后的行中有一个或多个 `NaN` 值时，torch.median() 总是将其缩减为 `NaN`，而此函数将将其缩减为非 `NaN` 元素的中位数。如果缩减后的行中的所有元素都是 `NaN`，那么它也将被缩减为 `NaN`。

参数

• input (张量) – 输入张量。

• dim (int) – 要缩减的维度。

• keepdim (bool) – 输出张量是否保留维度 dim。

关键字参数

out ((张量, 张量), 可选) – 第一个张量将填充中位数值，第二个张量（必须具有 long 数据类型）将填充它们在 `input` 维度 dim 中的索引。

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]))