torch.nansum

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

Возвращает сумму всех элементов, рассматривая числа типа Not a Number (NaN) как ноль.

Параметры:

input (Тензор) – входной тензор.

Ключевые аргументы:

dtype (torch.dtype, необязательно) – желаемый тип данных возвращаемого тензора. Если указан, входной тензор приводится к типу dtype перед выполнением операции. Это полезно для предотвращения переполнения типов данных. По умолчанию: None.

Пример:

>>> a = torch.tensor([1., 2., float('nan'), 4.])
>>> torch.nansum(a)
tensor(7.)

torch.nansum(input, dim, keepdim=False, *, dtype=None) → Тензор

Возвращает сумму каждой строки тензора input по заданной размерности dim, рассматривая числа типа Not a Number (NaN) как ноль. Если dim является списком размерностей, выполняется суммирование по всем из них.

Если keepdim равно True, тензор вывода имеет тот же размер, что и input, за исключением размерности(ей) dim, где размер равен 1. В противном случае, dim сжимается (см. torch.squeeze()), в результате чего тензор вывода имеет на 1 (или len(dim)) меньше размерность(ей).

Параметры:

• input (Тензор) – входной тензор.
• dim (int или кортеж из целых чисел, необязательно) – размерность или размерности для сокращения. Если None, все размерности сокращаются.
• keepdim (bool) – сохраняется ли размерность вывода или нет.

Ключевые аргументы:

dtype (torch.dtype, необязательно) – желаемый тип данных возвращаемого тензора. Если указан, входной тензор приводится к типу dtype перед выполнением операции. Это полезно для предотвращения переполнения типов данных. По умолчанию: None.

Пример:

>>> 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.])