Python 从N维张量中过滤出NaN值

这个问题很相似。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

我有一个张量，看起来像这样：

导入火炬
张量(
[[1, 1, 1, 1, 1],
[浮点（'nan'）、浮点（'nan'）、浮点（'nan'）、浮点（'nan'）、浮点（'nan'）]，
[2, 2, 2, 2, 2]]
)

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

我想找到最具python/PyTorch风格的方法来过滤（删除）张量的行，这些行是

nan

。通过沿第一个轴（

0

th轴）过滤这个

tensor

，我想得到一个

filtered\u tensor

，它看起来像这样：

打印（过滤张量） >>>火炬张量( [[1, 1, 1, 1, 1], [2, 2, 2, 2, 2]] ) >>>滤波张量形状 >>> [2, 5] 使用PyTorch的

isnan（）

和

any（）

使用获得的布尔掩码对

张量的行进行切片，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。如果只想删除所有值均为
nan
的行，请将
torch.any
替换为
torch.all

对于N维张量，您可以仅展平除第一个dim之外的所有dim，并应用与上面相同的步骤：

#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:])

美丽的。这正是我想要的。我应该检查一下
torch.any（）
是否有
dim
参数。展示如何在展平的同时做同样的事情的额外点数！我接受这个答案，但你有一个小小的错误
Tensor
s没有
t.isnan（）
函数，它只是一个顶级
torch.isnan（t）
函数。如果你不介意的话，请改变一下，我会接受你的回答：D.A
Tensor
有一个
isnan
方法，请访问。这就是代码完美工作的原因。你是对的，它确实在后台调用了
torch.isnan
。你是对的！我使用的是PyTorch的旧版本。再次感谢！我已经接受了答案，N维码对我不起作用；从
tensor=torch.arange（600，dtype=torch.float32）开始，重塑（1,3,20,10）
然后
tensor[0,2,0,0]=float（'nan'）
，结果是形状（0,3,20,10）