torch.isinf()、torch.isnan()、torch.isfinite()使用详解

最新推荐文章于 2024-07-23 17:29:00 发布
最新推荐文章于 2024-07-23 17:29:00 发布
阅读量2k 收藏 6
点赞数 6
文章标签： 深度学习 python pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46286008/article/details/130498769
版权

1.先解释一下三个函数

（1）torch.isinf()，判断输入张量每个元素是否为无穷大（返回与输入张量大小相同的张量），是无穷大则为True，否则为Flase。

（2）torch.isnan()，判断输入张量每个元素是否为NAN（返回与输入张量大小相同的张量），是NAN则为True，否则为Flase。

（3）torch.isfinite()，判断输入张量每个元素是否为有限值（返回与输入张量大小相同的张量），是有限值则为True，否则为Flase。

2.用一个简单的例子说明一下

 

 代码说明：

（1）先定义一个变量a，依次包含三个元素：有限值、无穷大、NAN

这里需要注意一下，传入三个函数的值必须为tensor类型

 （2）分别打印三个函数的返回值

weixin_46286008
关注
  • 6
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Torch 和 Numpy 出现NAN解决方法
Forrest97的博客
01-24 6461
在训练过程中，在确保数据没有异常的情况。由于自定义loss中出现了除数为0或对数为0的情况，导致无法计算得到数字就会得到NAN，然后loss.backward()就会导致整个网络的权重数值都变成NAN。直接导致网络无法计算。 所以在网络训练过程中需要对NAN进行检测和处理。 NAN检测 如果只是一个简单的标量，直接使用isnan进行判据 torch.isnan(loss) 如果只是一个相对复杂的矢量，则需要使用结合.int().sum()对nan进行计数，判据大于0 torch.isnan(loss).i
torch.isfinite()、torch.isinf()、torch.isnan()
weixin_43102043的博客
05-05 1203
torch.isfinite(tensor) 判断是否有界 torch.isinf(tensor) 判断是否无穷 torch.isnan(tensor) 判断是否为空 以上三个函数都返回 bool 类型的mask 举例说明： arr = torch.tensor((float('inf'), float('-inf'), float('nan'))) mask1 = torch.isfinite(arr) tensor([False, False, False]) mask2 = torch.isi
Pytorch tensor 判断 nan 与 inf 的方法
热门推荐
普通攻击往后拉的博客
12-10 2万+
在用torch搭建深度学习模型时，很容易在数据中存在inf与nan的情况，对应的数据类型分别时torch.inf与torch.nan。 大多数情况下，产生nan数据的原因基本上是出现了分母为0的情况，所以需要检查张量计算过程中是否有除法运算，比如softmax就有除法。 判断一个张量中是否有nan值： torch.isnan(tensor).any() 其中,tensor.any()方法代表tensor中有一个True则全部都为True，any代表一个都不行；与之相对tensor.all()表示tenso
pytorch中torch.isnan()和torch.isfinite()
学无止境、积少成多、厚积薄发
10-28 9210
今天看代码看到的这两个函数，不多数废话，直接上Demo： 1.先来研究torch.isfinite() import torch num = torch.tensor(1) # 数字1 res = torch.isfinite(num) print(res) ''' 输出： tensor(True) ''' 这个num必须是tensor import torch num = torch.tensor(float('inf')) # 正无穷大 res = torch.isfinite(num) print
isnan isinf
chivalry
08-10 1万+
在linux下有两个函数 isnan(x) isinf(x) 对应在windows下的函数： _isnan(x) !_finite(x) 为了跨平台，要么用boost要么这样写： int isnan(double x) { return x != x; } int isinf(double x) { return !isnan(x) && isnan(x
Pytorch中torch.isfinite()、torch.isinf()、torch.isnan()函数的使用
weixin_43869605的博客
08-23 2583
(Pytorch)判断一个tensor中是否存在nan
qq_43391414的博客
09-13 1985
有的时候写代码会遇到nan的情况，遇到这种情况你肯定要去解决的，说明你代码有问题。如果你不解决，大概率由于模型前向传播＋训练导致模型中所有tensor都是nan，甚至中途就报错了。我们首要是对一些你认为关键的tensor变量进行检测是否为nan，然后停下来，进一步分析nan的原因。nan的原因有非常之多，这里就不介绍了,大家可以看看。
python torch.utils.data.DataLoader使用方法
09-17
`torch.utils.data.DataLoader`是PyTorch框架中用于高效加载和处理数据的关键组件。它在机器学习模型的训练过程中起着至关重要的作用，因为它的功能包括数据分批、数据预处理、多线程加载以及可选的随机打乱顺序等。...
PyTorch里面的torch.nn.Parameter()详解
09-18
本文将深入探讨`torch.nn.Parameter()`的作用、使用方法以及它在构建神经网络模型时的重要性。 首先，`torch.nn.Parameter()`的主要功能是将一个普通的张量（Tensor）转化为可训练的参数。当一个张量通过`torch.nn....
PyTorch的torch.cat用法
09-16
下面我们将详细探讨`torch.cat`的使用方法、注意事项以及其在深度学习中的应用。 1. **基本概念**： - `torch.cat`是`concatenate`的缩写，它的主要功能是将两个或多个张量沿着指定的维度合并成一个新的张量。 - ...
详解torch.Tensor的4种乘法
09-16
本文将详细介绍`torch.Tensor`的四种乘法：`*`、`torch.mul`、`torch.mm`和`torch.matmul`。 1. `*` 运算符（点乘） 点乘通常用于元素级别的乘法，即对齐的张量元素逐个相乘。如果两个张量大小不一致，PyTorch会...
PyTorch中torch.tensor与torch.Tensor的区别详解
09-16
在PyTorch中，`torch.tensor` 和 `torch.Tensor` 是两种不同的创建张量（Tensor）的方法，但它们之间的差异并不显著，主要是使用场景和默认属性上的细微差别。这篇文章将详细解析这两者之间的区别。 首先，`torch....
C++ std::isnan及std::isinf
keineahnung2345的博客
02-05 3269
C++ std::isnan及std::isinfstd::isnan及std::isinf參考連結 std::isnan及std::isinf 摘自isnan，isnan函數的簽名為： bool isnan (float x); bool isnan (double x); bool isnan (long double x); 它的作用為： Returns whether x is a Na...
isFinite函数
Focus-Fe
12-10 3021
isFinite()函数   --------  用于检查其参数是否是无穷大。     /* * @param number 必须，要检测的数字 */ isFinite(number);     如果number是有效数字（或可转换为有限数字），返回true 如果number是NaN，或者是正、负无穷大的数，则返回false 扩展阅读： h...
c++ isnan和isinf
明夷TEC的博客
06-06 1万+
1 isnan() isnan() 判断是不是NAN值（not a number非法数字） 　标准库中定义了一个宏：NAN来表示非法数字。 　比如负数开方、负数求对数、0.0/0.0、0.0* INFINITY(无穷大)、INFINITY/INFINITY、INFINITY-INFINITY 　以上操作都会得到NAN。 　注意：如果是整数0/0会产生操作异常 2 isinf() isinf()测...
c语言isfinite_inf是什么意思,C语言中INF和NAN是什么意思
weixin_34318945的博客
01-16 987
C语言当中的nan表示not a number，等同于 #IND:indeterminate (windows)自定义函数： int isNumber(double d){return (d==d);}来判断d是否为nan，若d是nan则返回0，否则返回非零值。C语言当中的inf表示infinity (linux)，等同于 #INF:infinity (windows)自定义函数：int isFi...
深度学习常见函数 np.isin np.hstack() np.vstack() torch.multinomial()
samuelzhoudev的博客
10-10 405
np.isin判断数组元素在另一数组中是否存在 该函数可以方便地判断数组element中的元素是否属于test_elements，以上述问题为例，其程序如下： a = np.array([ [1,2,3], [4,5,6], [7,8,9] ]) b = [3,4,5,6,7] print(np.isin(a, b)) [Out]: [[False False True] [ True True True] [ True False False]] np.hstack,
**卷积神经网络典型CNN**
最新发布
HP2LF的博客
07-23 1330
SeNet(Squeeze-and-Excitation Networks)是ImageNet 2017年分类任务冠军，核心思想是：Squeeze(挤压、压缩)和Excitation(激励)两个操作，其主要目的是通过显示的构建特征通道之间的相互依赖关系，采用特征重定向的策略，通过学习的方式自动的获取每个特征通道的重要程度，然后依据***这个重要程度去提升有用的特征，并抑制对于当前任务用处不大的特征。Squeeze特征压缩操作，将每个feature map的特征数据使用全局平均池化操作转换为一个数值(实数)，
torch.isfinite(）返回什么
06-02
`torch.isfinite()`函数可以用来检查张量元素是否为有限数值，返回一个布尔类型的张量，与原始张量的形状相同。其中，有限数值指的是非NaN和非无穷大的数值。 如果张量中对应的元素是有限数值，则返回True，否则返回False。 例如，对于以下张量： ``` import torch tensor = torch.tensor([1, 2, float('inf'), 4, float('-inf'), float('nan')]) ``` 使用`torch.isfinite()`函数检查张量中的元素是否为有限数值: ``` is_finite = torch.isfinite(tensor) print(is_finite) ``` 输出结果为： ``` tensor([ True, True, False, True, False, False]) ``` 可以看出，张量中的元素1, 2, 4是有限数值，对应的布尔值为True，而元素inf, -inf, nan不是有限数值，对应的布尔值为False。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值