pytorch 判断并替换 nan

判断是否有 nantorch.any(torch.isnan(a))利用 torch.where() 函数替换所有 nanwhere() 函数有三个输入值，第一个是判断条件，第二个是符合条件的设置值，第三个是不满足条件的设置值。a = torch.Tensor([[1, 2, np.nan], [2, np.nan, 4], [3, 4, 5]])a = torch.where(torch.isn

筱踏云

23678人浏览 · 2020-05-19 17:42:38

筱踏云 · 2020-05-19 17:42:38 发布

判断是否有 nan

torch.any(torch.isnan(a))

利用 torch.where() 函数替换所有 nan

where() 函数有三个输入值，第一个是判断条件，第二个是符合条件的设置值，第三个是不符合条件的设置值。

a = torch.Tensor([[1, 2, np.nan], [2, np.nan, 4], [3, 4, 5]])

a = torch.where(torch.isnan(a), torch.full_like(a, 0), a)

2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

自建AI团队 vs 外包AI开发：2026年企业决策对比指南

2048 AI社区

架构设计（一）

项目中的智能穿搭建议，属于文本大模型推理任务，输入衣物标签、场景信息，即可秒级返回文字结果，轻量且稳定。而虚拟试穿（VTON）是图像生成任务，需要完成图像解析、人体适配、衣物形变、画面渲染等一系列复杂操作，耗时普遍在30–120秒，对网络、超时、文件传输的要求远高于普通文本接口。因此我摒弃了将试穿功能嵌入AI聊天窗口的常规做法，采用独立页面、独立接口、独立服务逻辑的设计，从根源避免功能耦合、超时崩