比较与torch.nn.init.uniform_的功能差异

torch.nn.init.uniform_

torch.nn.init.uniform_(
    tensor,
    a=0.0,
    b=1.0
) -> Tensor

更多内容详见torch.nn.init.uniform_。

mindspore.ops.uniform

mindspore.ops.uniform(shape, minval, maxval, seed=None, dtype=mstype.float32) -> Tensor

更多内容详见mindspore.ops.uniform。

差异对比

PyTorch：通过入参a和b分别指定均匀分布的上下界，即U(-a, b)。

MindSpore：通过入参minval和maxval分别指定均匀分布的上下界，即U(minval, maxval)，通过seed指定随机种子。

分类	子类	PyTorch	MindSpore	差异
参数	参数1	tensor	shape	Pytorch是一个n维Tensor，MindSpore则为shape或包裹shape的Tensor
	参数2	a	minval	参数名不同，功能相似，指定生成随机值最小值
	参数3	b	maxval	参数名不同，功能相似，指定生成随机值最大值
	参数4	-	seed	指定随机种子
	参数5	-	dtype	指定输入数据的类型，根据数据类型确定均匀分布生成数据是离散型或是连续型

代码示例

# PyTorch
import torch
from torch import nn

w = torch.empty(3, 2)
output = nn.init.uniform_(w, a=1, b=4)
print(tuple(output.shape))
# (3, 2)

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

shape = (3,2)
minval = Tensor(1, mindspore.float32)
maxval = Tensor(4, mindspore.float32)
output = ops.uniform(shape, minval, maxval, dtype=mindspore.float32)
print(output.shape)
# Out：
# (3, 2)