从 PyTorch N 维张量中过滤出 NaN 值

Question

这个问题与在np.nan从 pytorch 过滤np.nan值非常相似。 不同之处在于我想将相同的概念应用于 2 维或更高维的张量。

我有一个看起来像这样的张量：

import torch

tensor = torch.Tensor(
[[1, 1, 1, 1, 1],
 [float('nan'), float('nan'), float('nan'), float('nan'), float('nan')],
 [2, 2, 2, 2, 2]]
)

>>> tensor.shape
>>> [3, 5]

我想找到最 Pythonic / PyTorch 的方法来过滤（删除）张量的nan 。 通过沿着第一个（第0个轴）过滤这个tensor ，我想获得一个如下所示的filtered_tensor ：

>>> print(filtered_tensor)
>>> torch.Tensor(
[[1, 1, 1, 1, 1],
 [2, 2, 2, 2, 2]]
)
>>> filtered_tensor.shape
>>> [2, 5]

Answer 1

使用 PyTorch 的isnan()和any()使用获得的布尔掩码对tensor的行进行切片，如下所示：

filtered_tensor = tensor[~torch.any(tensor.isnan(),dim=1)]

请注意，这将删除其中包含nan值的任何行。 如果您只想删除所有值为nan行，请将torch.any替换为torch.all 。

对于 N 维张量，您可以将除第一个暗淡之外的所有暗淡变平并应用与上述相同的过程：

#Flatten:
shape = tensor.shape
tensor_reshaped = tensor.reshape(shape[0],-1)
#Drop all rows containing any nan:
tensor_reshaped = tensor_reshaped[~torch.any(tensor_reshaped.isnan(),dim=1)]
#Reshape back:
tensor = tensor_reshaped.reshape(tensor_reshaped.shape[0],*shape[1:])