比较与torch.dot的差异

torch.dot

torch.dot(input, other, *, out=None)

更多内容详见torch.dot。

mindspore.ops.tensor_dot

mindspore.ops.tensor_dot(x1, x2, axes)

更多内容详见mindspore.ops.tensor_dot。

使用方式

MindSpore此API功能与PyTorch不一致。

PyTorch：计算两个相同shape的tensor的点乘（内积），仅支持1D。支持的输入数据类型包括uint8、int8/16/32/64、float32/64。

MindSpore：计算两个tensor在任意轴上的点乘，支持任意维度的tensor，但指定的轴对应的形状要相等。当输入为1D， 轴设定为1时，和PyTorch的功能一致。支持的输入数据类型为float16或float32。

分类	子类	PyTorch	MindSpore	差异
参数	参数 1	input	x1	参数名不同
	参数 2	other	x2	参数名不同
	参数 3	out	-	详见通用差异参数表
	参数 4	-	axes	当输入为1D，axes设定为1时，和PyTorch的功能一致

代码示例 1

输入的数据类型是int，输出的数据类型也是int。

import torch
import numpy as np
input_x1 = torch.tensor([2, 3, 4], dtype=torch.int32)
input_x2 = torch.tensor([2, 1, 3], dtype=torch.int32)
output = torch.dot(input_x1, input_x2)
print(output)
print(output.dtype)
# tensor(19)
# torch.int32
# MindSpore目前无法支持该功能。

代码示例 2

输入的数据类型是float，输出的数据类型也是float。

import torch
import numpy as np
input_x1 = torch.tensor([2, 3, 4], dtype=torch.float32)
input_x2 = torch.tensor([2, 1, 3], dtype=torch.float32)
output = torch.dot(input_x1, input_x2)
print(output)
print(output.dtype)
# tensor(19)
# torch.float32

import mindspore as ms
import mindspore.ops as ops
import numpy as np
input_x1 = ms.Tensor(np.array([2, 3, 4]), ms.float32)
input_x2 = ms.Tensor(np.array([2, 1, 3]), ms.float32)
output = ops.tensor_dot(input_x1, input_x2, 1)
print(output)
print(output.dtype)
# 19.0
# Float32