比较与torch.transpose的功能差异

查看源文件

torch.transpose

torch.transpose(input, dim0, dim1) -> Tensor

更多内容详见 torch.transpose

mindspore.Tensor.transpose

mindspore.Tensor.transpose(*axes) -> Tensor

更多内容详见 mindspore.Tensor.transpose

差异对比

PyTorch:对输入Tensor的指定两个维度之间进行转置。

MindSpore:MindSpore上不光可以在两个维度之间进行转置,还可以通过修改参数 *axes 在多个维度之间进行转置。

分类

子类

PyTorch

MindSpore

差异

参数

参数1

input

Tensor接口自己就是被操作对象,功能一致

参数2

dim0

-

PyTorch中,与dim1配合实现这两个维度之间的转置;MindSpore无此参数,可用axes实现同样的功能

参数3

dim1

-

PyTorch中,与dim0配合实现这两个维度之间的转置;MindSpore无此参数,可用axes实现同样的功能

参数4

-

*axes

PyTorch无此参数,不过PyTorch中dim0和dim1可以实现此参数的部分功能

代码示例1

说明:在使用torch.transpose(input, dim0, dim1)的时候,通过设置dim0和dim1实现input这两个维度之间的转置。MindSpore中虽然不能直接指定要进行转置的两个维度,但是可以通过调整axes参数实现同样的目的。假设input的shape为(3, 2, 1, 4),dim0,dim1分别0,2,则会在第一和第三维之间进行转置,运算后的shape为(1, 2, 3, 4);若要在MindSpore上实现这一操作,仅需要将axes设置为(2, 1, 0, 3),即在默认维度(0, 1, 2, 3)基础上调换0和2的位置。 一般情况下,对于任意的n维input和有效的dim0,dim1,设置axes的时候,只需要在(0, …, n-1)基础上将dim0, dim1对应的值交换位置即可。

#PyTorch
import torch
import numpy as np

input = torch.tensor(np.arange(2*3*4).reshape(1, 2, 3, 4))
dim0 = 0
dim1 = 2
output =  torch.transpose(input, dim0, dim2)
print(output.numpy())
#[[[[ 0  1  2  3]]
#  [[12 13 14 15]]]
# [[[ 4  5  6  7]]
#  [[16 17 18 19]]]
# [[[ 8  9 10 11]]
#  [[20 21 22 23]]]]

#MindSpore
import mindspore as ms
from mindspore import Tensor
import numpy as np

input_x = Tensor(np.arange(2*3*4).reshape(1, 2, 3, 4))
axes = (2, 1, 0, 3)
output = input_x.transpose(axes)
print(output.asnumpy())
#[[[[ 0  1  2  3]]
#  [[12 13 14 15]]]
# [[[ 4  5  6  7]]
#  [[16 17 18 19]]]
# [[[ 8  9 10 11]]
#  [[20 21 22 23]]]]