首页 > 脚本专栏 > python > pytorch处理nan和inf的方法

pytorch处理nan和inf的实用方法有哪些

2026-10-08 14:41:25 作者：清纯世纪

在pytorch中处理tensor时,经常会遇到nan和inf值,本文将教你如何快速将这些特殊值替换为0,包括使用torch.full_like()和numpy的方法,让数据处理更高效

pytorch处理nan和inf的实用方法

假设我们有这样的一个 tensor，我们需要把其中的 inf 和 nan 填充成别的数字

import torch
import numpy as np

a = torch.Tensor(
    [[5, 6, np.nan],
    [np.inf, np.nan, 7],
    [8, 6, 3]])

# tensor([[5., 6., nan],
#         [inf, nan, 7.],
#         [8., 6., 3.]])

把 nan 值设置为 0

import torch
import numpy as np

a = torch.Tensor(
    [[5, 6, np.nan],
    [np.inf, np.nan, 7],
    [8, 6, 3]])

# where的第一行为条件限制，如果满足条件，则选择第二行数值，否则选择第三行数值作为输出
change_A = torch.where(
    torch.isnan(a),
    torch.full_like(a, 0),
    a)

# tensor([[5., 6., nan],
#         [inf, nan, 7.],
#         [8., 6., 3.]])
# tensor([[5., 6., 0.],
#         [inf, 0., 7.],
#         [8., 6., 3.]])

把 inf 值设置为 0

import torch
import numpy as np

a = torch.Tensor(
    [[5, 6, np.nan],
    [np.inf, np.nan, 7],
    [8, 6, 3]])

# where的第一行为条件限制，如果满足条件，则选择第二行数值，否则选择第三行数值作为输出
change_B = torch.where(
        torch.isinf(a),
        torch.full_like(a, 0),
        a)

# tensor([[5., 6., nan],
#         [inf, nan, 7.],
#         [8., 6., 3.]])
# tensor([[5., 6., nan],
#         [0., nan, 7.],
#         [8., 6., 3.]])

附录 torch.full_like()函数

import torch
import numpy as np

a = torch.Tensor(
    [[5, 6, np.nan],
    [np.inf, np.nan, 7],
    [8, 6, 3]])

# torch.full_like(input, fill_value, …) 返回与 input 相同 size，单位值为 fill_value 的矩阵
# 如下面这个例子，a 为 3*3 的 tensor
change_C = torch.full_like(a, 0, )

# tensor([[0., 0., 0.],
#         [0., 0., 0.],
#         [0., 0., 0.]])

附录 numpy中的取 nan 和 inf

import numpy as np

a = np.array([6,4,-7,np.nan,np.inf])

# 使用0代替数组x中的nan元素，使用有限的数字代替inf元素
y = np.nan_to_num(a)
print(y)

# [ 6.00000000e+000  4.00000000e+000 -7.00000000e+000  0.00000000e+000
#   1.79769313e+308]

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。