比较与torch.nn.functional.kl_div的差异
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 logits
和 labels
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