比较与torch.full_like的功能差异

torch.full_like

torch.full_like(
    input,
    fill_value,
    *,
    dtype=None,
    layout=torch.strided,
    device=None,
    requires_grad=False,
    memory_format=torch.preserve_format
) -> Tensor

更多内容详见torch.full_like。

mindspore.numpy.full_like

mindspore.numpy.full_like(a, fill_value, dtype=None, shape=None) -> Tensor

更多内容详见mindspore.numpy.full_like。

差异对比

PyTorch：返回与填充fill_value的与输入大小和类型相同的张量。

MindSpore：MindSpore此API实现功能与PyTorch基本一致，但支持的输入类型和参数名称有差异。MindSpore算子的输入名称为a，并支持Tensor，list，tuple三种类型的输入。此外，MindSpore该算子比PyTorch新增参数shape，实现重写结果的shape。

分类	子类	PyTorch	MindSpore	差异
输入	单输入	input	a	功能一致，参数名不同
参数	参数1	-	shape	实现重写shape， PyTorch无此参数
	参数2	fill_value	fill_value	-
	参数3	dtype	dtype	功能一致，默认值不同
	参数4	layout	-	不涉及
	参数5	device	-	不涉及
	参数6	requires_grad	-	MindSpore无此参数，默认支持反向求导
	参数7	memory_format	-	不涉及

代码示例1

对于参数dtype，PyTorch默认值为None，MindSpore默认值为mstype.float32

# PyTorch
import torch

input_tensor_torch = torch.ones((2, 3))
full_value_torch = 1
torch_output = torch.full_like(input_tensor_torch, full_value_torch)
print(torch_output.numpy())
# [[1. 1. 1.]
#  [1. 1. 1.]]

# MindSpore
import mindspore

input_tensor_ms = mindspore.numpy.ones((2, 3))
full_value_ms = [[1., 1., 1.],[1., 1., 1.]]
ms_tensor_output = mindspore.numpy.full_like(input_tensor_ms, full_value_ms)
print(ms_tensor_output)
# [[1. 1. 1.]
#  [1. 1. 1.]]