比较与torch.nn.functional.gelu的功能差异

torch.nn.functional.gelu

torch.nn.functional.gelu(input) -> Tensor

更多内容详见torch.nn.functional.gelu。

mindspore.ops.gelu

mindspore.ops.gelu(input_x, approximate='none')

更多内容详见mindspore.ops.gelu。

差异对比

PyTorch：该函数表示高斯误差线性单位函数\(GELU(X)=X\times \Phi(x)\)，其中\(\Phi(x)\)是高斯分布的积累分布函数。输入x表示任意数量的维度。

MindSpore：MindSpore此API实现功能与PyTorch基本一致。

分类	子类	PyTorch	MindSpore	差异
参数	参数1	-	approximate	gelu近似算法。有两种：’none’ 和 ‘tanh’。默认值：none。经测试，approximate为 ‘none’ 后，输出结果与Pytorch相似。
输入	单输入	input	input_x	功能一致，参数名不同

代码示例1

两API实现功能一致，用法相同。

# PyTorch
import torch
input = torch.Tensor([[2, 4], [1, 2]])
output = torch.nn.functional.gelu(input)
print(output.detach().numpy())
# [[1.9544997 3.9998734]
#  [0.8413447 1.9544997]]

# MindSpore
import mindspore
import numpy as np
x = mindspore.Tensor(np.array([[2, 4], [1, 2]]), mindspore.float32)
output = mindspore.ops.gelu(x)
print(output)
# [[1.9545997 3.99993]
#  [0.841192 1.9545977]]