torch.nansum

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

Возвращает сумму всех элементов, считая значения Not a Number (NaN) равными нулю.

Параметры:

input (Tensor) – входной тензор.

Именованные аргументы:

dtype (torch.dtype, необязательно) – требуемый тип данных возвращаемого тензора. Если указан, перед выполнением операции входной тензор преобразуется в тип dtype. Это полезно для предотвращения переполнения типа 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) → Tensor

Возвращает сумму элементов каждой строки тензора input по заданному измерению dim, считая значения Not a Number (NaN) равными нулю. Если dim — список измерений, выполняется редукция по всем ним.

Если keepdim — True, выходной тензор имеет тот же размер, что и input, за исключением измерения (измерений) dim, размер которых равен 1. В противном случае dim сжимается (см. torch.squeeze()), и выходной тензор имеет на 1 (или len(dim)) измерение меньше.

Параметры:

• input (Tensor) – входной тензор.
• dim (int или tuple из ints, необязательно) – измерение или измерения, по которым выполняется редукция. Если None, редукция выполняется по всем измерениям.
• keepdim (bool, необязательно) – следует ли сохранять dim в выходном тензоре. По умолчанию: False.

Именованные аргументы:

dtype (torch.dtype, необязательно) – требуемый тип данных возвращаемого тензора. Если указан, перед выполнением операции входной тензор преобразуется в тип dtype. Это полезно для предотвращения переполнения типа данных. По умолчанию: None.

Пример:

>>> torch.nansum(torch.tensor([1., float("nan")]))
tensor(1.)
>>> 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.])