torch.nansum¶

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

返回所有元素的和，将非数值（NaNs）视为零。

Parameters: 输入 (张量) – 输入张量。
Keyword Arguments: dtype (torch.dtype, 可选) – 返回张量的所需数据类型。如果指定，输入张量在操作执行前会被转换为 dtype。这对于防止数据类型溢出很有用。默认值：None。

示例：

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

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

返回在给定维度dim中，将input张量的每一行的和，将非数字（NaNs）视为零。如果dim是一个维度列表，则在所有维度上进行缩减。

如果 keepdim 是 True，输出张量的大小与 input 相同，除了在维度 dim 上大小为1。否则，dim 被压缩（参见 torch.squeeze()），导致输出张量减少1（或 len(dim)）个维度。

Parameters

输入 (张量) – 输入张量。
dim (int 或 tuple 的 ints，可选) – 要减少的维度或多个维度。如果 None，则所有维度都被减少。
keepdim (布尔值) – 输出张量是否保留dim。

Keyword Arguments

dtype (torch.dtype, 可选) – 返回张量的所需数据类型。如果指定，输入张量在操作执行前会被转换为 dtype。这对于防止数据类型溢出很有用。默认值：None。

示例：

>>> 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.])