比较与torch.erfc的功能差异

torch.erfc

torch.erfc(input, * , out=None) -> Tensor

更多内容详见torch.erfc。

mindspore.ops.erfc

mindspore.ops.erfc(x) -> Tensor

更多内容详见mindspore.ops.erfc。

差异对比

PyTorch：逐元素计算 x 的互补误差函数，即 \( \operatorname{erfc}(x)=1-\frac{2}{\sqrt{\pi}} \int_{0}^{x} e^{-t^{2}} d t \) 。

MindSpore：与PyTorch实现的功能基本一致，但支持的维度大小有差异。

分类	子类	PyTorch	MindSpore	差异
参数	参数1	input	x	功能一致，参数名不同，支持的维度大小有差异
	参数2	out	-	不涉及

代码示例1

PyTorch没有限制x的维度，而MindSpore中x支持的维度必须小于8。当x的维度小于8时，两API功能一致，用法相同。

import torch
from torch import tensor
import numpy as np

x_ = np.ones((1, 1, 1, 1, 1, 1, 1))
x = tensor(x_, dtype=torch.float32)
out = torch.erfc(x).numpy()
print(out)
# [[[[[[[0.1572992]]]]]]]

# MindSpore
import mindspore
from mindspore import Tensor
import mindspore.ops as ops
import numpy as np

x_ = np.ones((1, 1, 1, 1, 1, 1, 1))
x = Tensor(x_, mindspore.float32)
out = ops.erfc(x)
print(out)
# [[[[[[[0.1572992]]]]]]]

代码示例2

当x的维度超过或等于8时，可以通过API组和实现同样的功能。使用ops.reshape将x的维度降为1，然后调用ops.erfc进行计算，最后再次使用ops.reshape对得到的结果按照x的原始维度进行升维操作。

import torch
from torch import tensor
import numpy as np

x_ = np.ones((1, 1, 1, 1, 1, 1, 1, 1))
x = tensor(x_, dtype=torch.float32)
out = torch.erfc(x).numpy()
print(out)
# [[[[[[[[0.1572992]]]]]]]]

# MindSpore
import mindspore
from mindspore import Tensor
import mindspore.ops as ops
import numpy as np

x_ = np.ones((1, 1, 1, 1, 1, 1, 1, 1))
x = Tensor(x_, mindspore.float32)
x_reshaped = ops.reshape(x, (-1,))
out_temp = ops.erfc(x_reshaped)
out = ops.reshape(out_temp, x.shape)
print(out)
# [[[[[[[[0.1572992]]]]]]]]