比较与torch.argmin的差异

以下映射关系均可参考本文。

PyTorch APIs	MindSpore APIs
torch.argmin	mindspore.ops.argmin
torch.Tensor.argmin	mindspore.Tensor.argmin

torch.argmin

torch.argmin(input, dim=None, keepdim=False) -> Tensor

更多内容详见torch.argmin。

mindspore.ops.argmin

mindspore.ops.argmin(input, axis=None, keepdims=False) -> Tensor

更多内容详见mindspore.ops.argmin。

差异对比

PyTorch：返回Tensor展平或沿着给定的维度最小值的索引，返回值类型为torch.int64。如果有多个最小值，则返回第一个最小值的索引。

MindSpore：MindSpore此API实现功能与PyTorch基本一致，返回值类型为int32.

为保证二者输出类型是一致的，需使用mindspore.ops.Cast算子将MindSpore的计算结果转换成mindspore.int64，以下每个示例均会有此步类型转换。

分类	子类	PyTorch	MindSpore	差异
输入	单输入	input	input	都是输入Tensor
参数	参数1	dim	axis	功能一致，参数名不同
	参数2	keepdim	keepdims	功能一致，参数名不同

代码示例1

对于零维的Tensor，PyTorch支持dim参数为None/-1/0及keepdim参数为True/False的任意组合，且计算结果都是一致的，都是一个零维Tensor。MindSpore 1.8.1版本暂时不支持处理零维Tensor，需要先使用mindspore.ops.ExpandDims将Tensor扩充为一维，然后再按照mindspore.ops.argmin算子的默认参数计算。

# PyTorch
import torch
import numpy as np

x = np.arange(1).reshape(()).astype(np.float32)
torch_argmin = torch.argmin
torch_output = torch_argmin(torch.tensor(x))
torch_out_np = torch_output.numpy()
print(torch_out_np)
# 0

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

x = np.arange(1).reshape(()).astype(np.float32)
ms_argmin = mindspore.ops.argmin
ms_expanddims = mindspore.ops.ExpandDims()
ms_cast = mindspore.ops.Cast()
ms_tensor = Tensor(x)

if not ms_tensor.shape:
    ms_tensor_tmp = ms_expanddims(ms_tensor, 0)
    ms_output = ms_argmin(ms_tensor_tmp)

ms_output = ms_cast(ms_output, mindspore.int64)
ms_out_np = ms_output.asnumpy()
print(ms_out_np)
# 0

代码示例2

PyTorch的argmin算子在不显式给出dim参数时，计算结果是将原数组flatten后，作为一维张量做argmin操作的结果，而MindSpore仅支持对单个维度进行计算。因此，为了得到相同的计算结果，在计算前，将mindspore.ops.argmin算子传入flatten的Tensor即可。

# PyTorch
import torch
import numpy as np

x = np.arange(2*3*4).reshape(2, 3, 4).astype(np.float32)
torch_argmin = torch.argmin
torch_output = torch_argmin(torch.tensor(x))
torch_out_np = torch_output.numpy()
print(torch_out_np)
# 0

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

dim = None
x = np.arange(2*3*4).reshape(2,3,4).astype(np.float32)
ms_argmin = mindspore.ops.argmin
ms_expanddims = mindspore.ops.ExpandDims()
ms_cast = mindspore.ops.Cast()
ms_tensor = Tensor(x)

ms_output = ms_argmin(ms_tensor, axis=dim) if dim is not None else ms_argmin(
    ms_tensor.flatten())

ms_output = ms_cast(ms_output, mindspore.int64)
ms_out_np = ms_output.asnumpy()
print(ms_out_np)
# 0

代码示例3

PyTorch算子有一个keepdim参数，当设置为True时，作用为：将进行聚合的维度保留，并设定为1。MindSpore的keepdims参数与其功能一致。为了实现相同的结果，在计算完成后，使用mindspore.ops.ExpandDims算子扩充维度即可。

# PyTorch
import torch
import numpy as np

dim = 1
keepdims = True
x = np.arange(2*4).reshape(2, 4).astype(np.float32)
torch_argmin = torch.argmin
torch_output = torch_argmin(torch.tensor(x), dim=dim, keepdims=keepdims)
torch_out_np = torch_output.numpy()
print(torch_out_np)
# [[0]
#  [0]]

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

dim = 1
keepdims = True
x = np.arange(2*4).reshape(2, 4).astype(np.float32)
ms_argmin = mindspore.ops.argmin
ms_expanddims = mindspore.ops.ExpandDims()
ms_cast = mindspore.ops.Cast()
ms_tensor = Tensor(x)

ms_output = ms_argmin(ms_tensor, axis=dim, keepdims=keepdims)
ms_output = ms_cast(ms_output, mindspore.int64)
ms_out_np = ms_output.asnumpy()
print(ms_out_np)
# [[0]
#  [0]]