比较与torch.median的差异
以下映射关系均可参考本文。
PyTorch APIs |
MindSpore APIs |
---|---|
torch.median |
mindspore.ops.median |
torch.Tensor.median |
mindspore.Tensor.median |
torch.median
torch.median(input, dim=-1, keepdim=False, *, out=None) -> Tensor
更多内容详见torch.median。
mindspore.ops.median
mindspore.ops.median(input, axis=-1, keepdims=False) -> Tensor
更多内容详见mindspore.ops.median。
差异对比
PyTorch:根据指定 dim
,输出 input
的中值与索引。keepdim
控制输出和输入的维度是否相同。在输入仅有 input
时,返回所有元素的中值;在输入包含 dim
时,返回指定维度的中值和索引。out
可以获取输出。
MindSpore:根据指定 axis
,输出 input
的中值与索引。keepdims
功能和PyTorch一致。与Pytorch不同,不论输入包含不包含 axis
,MindSpore返回指定维度上的中值与索引。MindSpore没有 out
参数。
分类 |
子类 |
PyTorch |
MindSpore |
差异 |
---|---|---|---|---|
参数 |
参数1 |
input |
input |
一致 |
参数2 |
dim |
axis |
功能一致,参数名不同 |
|
参数3 |
keepdim |
keepdims |
功能一致,参数名不同 |
|
参数4 |
out |
- |
PyTorch的 |
代码示例
# PyTorch
import torch
input = torch.tensor([[1, 2.5, 3, 1], [2.5, 3, 2, 1]], dtype=torch.float32)
print(torch.median(input))
# tensor(2.)
print(torch.median(input, dim=1, keepdim=True))
# torch.return_types.median(
# values=tensor([[1.],
# [2.]]),
# indices=tensor([[3],
# [2]]))
# MindSpore
import mindspore
x = mindspore.Tensor([[1, 2.5, 3, 1], [2.5, 3, 2, 1]], dtype=mindspore.float32)
print(mindspore.ops.median(x, axis=1, keepdims=True))
# (Tensor(shape=[2, 1], dtype=Float32, value=
# [[ 1.00000000e+00],
# [ 2.00000000e+00]]), Tensor(shape=[2, 1], dtype=Int64, value=
# [[3],
# [2]]))