Lua torch7:筛选出NaN值

给定任何通用的

float torch.Tensor

，可能包含一些NaN值，我正在寻找一种有效的方法，用零替换其中的所有NaN值，或者将它们全部删除，并过滤掉另一个新的Tensor中的“有用”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（并相应地将它们替换为零或拒绝新张量中的值）

---

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，这取决于Torch固有的CPU-GPU优化？

好吧，看来在

Torch

检查NAN张量中没有任何功能。但是自从楠NaN，有一个解决办法：

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]

有了这些掩码，您可以有效地提取NaN/not NaN值，并用您想要的任何值替换它们：

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]

---

亚历山大，谢谢。在网上做了更多的搜索之后，我发现了以下解决方案，与你的解决方案类似，它只需一行就能实现我想要的：

ws[ws:ne（ws）]=0

，其中，ws是权重的张量。@AdarshChauhan，这是完全相同的解决方案。