比较与torch.unique的功能差异

torch.unique

torch.unique(
    *args,
    **kwargs
)

更多内容详见torch.unique。

mindspore.ops.unique

mindspore.ops.unique(input)

更多内容详见mindspore.ops.unique。

差异对比

PyTorch：对Tensor中元素进行去重。可通过设置参数 sorted 确定输出是否按升序排列；设置参数 return_inverse 确定是否输出输入的Tensor的各元素在输出Tensor中的位置索引；设置参数 return_counts 确定是否输出各唯一值在输入的Tensor中的数量；设置参数 dim 指定unique的维度。MindSpore不支持这些功能。

MindSpore：对Tensor中元素进行去重，以及返回输入Tensor的各元素在输出Tensor中的位置索引。

分类	子类	PyTorch	MindSpore	差异
参数	参数1	input	input	一致
	参数2	sorted	-	sorted为True时，输出Tensor按照升序排列；sorted为False时，按照原有顺序排列
	参数3	return_inverse	-	return_inverse为True时，返回输入Tensor各元素在输出Tensor中的索引位置
	参数4	return_counts	-	return_counts为True时，返回输出Tensor各元素在输入Tensor中的数量
	参数5	dim	-	指定unique的维度

代码示例

# In MindSpore
import mindspore

x = mindspore.Tensor([1, 3, 2, 3], mindspore.float32)
output, idx = mindspore.ops.unique(x)
print(output)
# [1. 3. 2.]
print(idx)
# [0 1 2 1]

# In PyTorch
import torch

output, inverse_indices, counts = torch.unique(torch.tensor([1, 3, 2, 3], dtype=torch.long), sorted=True, return_inverse=True, return_counts=True)
print(output)
# tensor([1, 2, 3])
print(inverse_indices)
# tensor([0, 2, 1, 2])
print(counts)
# tensor([1, 1, 2])

# Example of using unique with dim
output, inverse_indices = torch.unique(torch.tensor([[3, 1], [1, 2]], dtype=torch.long), sorted=True, return_inverse=True, dim=0)
print(output)
# tensor([[1, 2],
#         [3, 1]])
print(inverse_indices)
# tensor([1, 0])