比较与torch.bucketize的差异

查看源文件

torch.bucketize

torch.bucketize(input, boundaries, *, out_int32=False, right=False, out=None)

更多内容详见torch.bucketize

mindspore.ops.bucketize

class mindspore.ops.bucketize(input, boundaries, *, right=False)

更多内容详见mindspore.ops.bucketize

使用方式

MindSpore此API功能与PyTorch一致,参数支持的数据类型有差异。

PyTorch:input 支持scalar和Tensor类型,boundaries 支持Tensor类型,且可以通过 out_int32 指定返回的索引的数据类型。

MindSpore:input 支持Tensor类型,boundaries 支持list类型,无 out_int32 参数。

分类

子类

PyTorch

MindSpore

差异

参数

参数1

input

input

功能一致,支持数据类型不同

参数2

boundaries

boundaries

功能一致,支持数据类型不同

参数3

out_int32

-

PyTorch的 out_int32 可以指定返回的索引类型,MindSpore无此参数

参数4

right

right

一致

参数5

out

-

PyTorch的 out 可以获取输出,MindSpore无此参数

代码示例

import torch

boundaries = torch.tensor([1, 3, 5, 7, 9])
v = torch.tensor([[3, 6, 9], [3, 6, 9]])
out1 = torch.bucketize(v, boundaries)
out2 = torch.bucketize(v, boundaries, right=True)
print(out1)
# Out:
# tensor([[1, 3, 4],
#        [1, 3, 4]])

print(out2)
# Out:
# tensor([[2, 3, 5],
#        [2, 3, 5]])

from mindspore import Tensor, ops
boundaries = [1, 3, 5, 7, 9]
v = Tensor([[3, 6, 9], [3, 6, 9]])
out1 = ops.bucketize(v, boundaries)
out2 = ops.bucketize(v, boundaries, right=True)
print(out1)
# Out:
# [[1 3 4]
#  [1 3 4]]

print(out2)
# Out:
# [[2 3 5]
#  [2 3 5]]