比较与torch.nn.functional.elu的差异

torch.nn.functional.elu

torch.nn.functional.elu(input, alpha=1.0, inplace=False) -> Tensor

更多内容详见torch.nn.functional.elu。

mindspore.ops.elu

mindspore.ops.elu(input_x, alpha=1.0) -> Tensor

更多内容详见mindspore.ops.elu。

差异对比

PyTorch：计算输入x的指数线性值，返回结果为 \( \text{elu}(x) = \max(0,x) + \min(0, \alpha * (\exp(x) - 1)) \)，inplace参数可选择是否就地操作，默认为False。

MindSpore：MindSpore此API实现功能与PyTorch基本一致，不过α目前只支持1.0。

分类	子类	PyTorch	MindSpore	差异
参数	参数1	input	input_x	功能一致，参数名不同
	参数2	alpha	alpha	α系数，MindSpore目前只支持alpha等于1.0
	参数3	inplace	-	MindSpore无此参数

代码示例1

两API都是实现指数线性单元功能，但PyTorch可以自定义α系数，MindSpore只支持系数为1.0。

# PyTorch
import torch
from torch import tensor
from torch.nn.functional import elu
import numpy as np

x_ = np.array([[np.arange(-6,0).reshape(2, 3),np.arange(0,6).reshape(2, 3)]])
x = tensor(x_, dtype=torch.float32)
output = elu(x, alpha = 1).detach().numpy()
print(output)
# [[[[-0.9975212  -0.99326205 -0.9816844 ]
#   [-0.95021296 -0.86466473 -0.63212055]]
#
#  [[ 0.          1.          2.        ]
#   [ 3.          4.          5.        ]]]]

# MindSpore
import mindspore as ms
from mindspore import ops
import numpy as np

x_ = np.array([[np.arange(-6,0).reshape(2, 3),np.arange(0,6).reshape(2, 3)]])
x = ms.Tensor(x_, ms.float32)
output = ops.elu(x)
print(output)
# [[[[-0.9975212  -0.99326205 -0.9816844 ]
#    [-0.95021296 -0.86466473 -0.6321205 ]]
#
#   [[ 0.          1.          2.        ]
#    [ 3.          4.          5.        ]]]]