python - 从 PyTorch N 维张量中过滤出 NaN 值

Question

这个问题很相似to filtering np.nan values from pytorch in a -Dimensional tensor .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)张量的行 nan .通过过滤此 tensor沿着第一个(0 th 轴)我想获得一个 filtered_tensor看起来像这样:

>>> 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()连同any()切片 tensor的行使用获得的 bool 掩码如下:

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

请注意，这将删除具有 nan 的任何行。其中的值(value)。如果您只想删除所有值为 nan 的行替换 torch.any与 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:])