Pytorch 处理 inf 和 nan 数值

        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]