Question

鉴于任何一般float torch.Tensor，可能包含一些 NaN 值，我正在寻找一种有效的方法来将其中的所有NaN值替换为零，或者将它们全部删除并过滤在另一个新的Tensor中输出“有用”的值。

我知道这样做的一个简单方法是手动迭代给定张量中的所有值（并相应地用零替换它们或者为新张量拒绝它们）。

是否有一些预定义的Torch功能或功能组合可以在性能方面更有效地实现这一点，这依赖于Torch固有的CPU-GPU优化？

Answer 1

好吧，看起来torch中没有函数检查NaN的张量。但是因为NaN！= NaN，所以有一个解决方法：

a = torch.rand(4, 5)
a[2][3] = tonumber('nan')
nan_mask = a:ne(a)
notnan_mask = a:eq(a)

print(a)
 0.2434  0.1731  0.3440  0.3340  0.0519
 0.0932  0.4067  nan     0.1827  0.5945
 0.3020  0.1035  0.5415  0.3329  0.7881
 0.6108  0.9498  0.0406  0.9335  0.3582
[torch.DoubleTensor of size 4x5]

print(nan_mask)
 0  0  0  0  0
 0  0  1  0  0
 0  0  0  0  0
 0  0  0  0  0
[torch.ByteTensor of size 4x5]

拥有这些面具，您可以有效地提取NaN /而不是NaN值并将其替换为您想要的任何值：

print(a[notnan_mask])
...
[torch.DoubleTensor of size 19]

a[nan_mask] = 42
print(a)
  0.2434   0.1731   0.3440   0.3340   0.0519
  0.0932   0.4067  42.0000   0.1827   0.5945
  0.3020   0.1035   0.5415   0.3329   0.7881
  0.6108   0.9498   0.0406   0.9335   0.3582
[torch.DoubleTensor of size 4x5]

torch7：过滤掉NaN值

1 个答案: