比较与torch.nn.functional.kl_div的差异

查看源文件

torch.nn.functional.kl_div

torch.nn.functional.kl_div(input, target, size_average=None, reduce=None, reduction='mean', log_target=False)

更多内容详见torch.nn.functional.kl_div

mindspore.ops.kl_div

mindspore.ops.kl_div(logits, labels, reduction='mean')

更多内容详见mindspore.ops.kl_div

差异对比

PyTorch:计算输入 logitslabels 的KL散度, log_target 标志 target 是否传递到log空间。

MindSpore:MindSpore此API实现功能与PyTorch一致,但未设置 log_target 参数。

分类

子类

PyTorch

MindSpore

差异

输入

输入1

input

logits

都是输入Tensor

输入2

target

labels

都是输入Tensor

参数2

size_average

-

功能一致,PyTorch已弃用该参数,MindSpore无此参数

参数3

reduce

-

功能一致,PyTorch已弃用该参数,MindSpore无此参数

参数4

reduction

reduction

功能一致,参数名相同

参数5

log_target

-

参数未设定

代码示例

# PyTorch
import torch
import numpy as np

logits = torch.tensor(np.array([0.2, 0.7, 0.1]))
labels = torch.tensor(np.array([0., 1., 0.]))
output = torch.nn.functional.kl_div(logits, labels)
print(output)
# tensor(-0.2333, dtype=torch.float64)

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

logits = Tensor(np.array([0.2, 0.7, 0.1]), mindspore.float32)
labels = Tensor(np.array([0., 1., 0.]), mindspore.float32)
output = mindspore.ops.kl_div(logits, labels, 'mean')
print(output)
# -0.23333333