文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

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 $\mathrm{erfc}(x)=1-\frac{2}{\sqrt{\pi }}{\int }_0^x{e}^{-t^2}dt$ 。

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]]]]]]]]