比较与torch.poisson的差异
torch.poisson
torch.poisson(input, generator=None)
更多内容详见torch.poisson。
mindspore.ops.random_poisson
mindspore.ops.random_poisson(shape, rate, seed=None, dtype=mstype.float32)
更多内容详见mindspore.ops.random_poisson。
差异对比
MindSpore此API功能与PyTorch一致。
PyTorch: 返回值的shape和数据类型和 input
一致。
MindSpore: shape
决定了每个分布下采样的随机数张量的形状,返回值的shape是 mindspore.concat([shape, mindspore.shape(rate)], axis=0)
。返回值的数据类型由 dtype
决定。
功能上无差异。
分类 |
子类 |
PyTorch |
MindSpore |
差异 |
---|---|---|---|---|
参数 |
参数 1 |
- |
shape |
MindSpore下每个分布下采样的随机数张量的形状 |
参数 2 |
input |
rate |
泊松分布的参数 |
|
参数 3 |
generator |
seed |
详见通用差异参数表 |
|
参数 4 |
- |
dtype |
MindSpore下返回值的数据类型,支持int32/64,float16/32/64 |
代码示例
# PyTorch
import torch
import numpy as np
rate = torch.tensor(np.array([[5.0, 10.0], [5.0, 1.0]]), dtype=torch.float32)
output = torch.poisson(rate)
print(output.shape)
# torch.Size([2, 2])
# MindSpore
import mindspore as ms
import numpy as np
shape = ms.Tensor(np.array([1]), ms.int32)
rate = ms.Tensor(np.array([[5.0, 10.0], [5.0, 1.0]]), dtype=ms.float32)
output = ms.ops.random_poisson(shape, rate, dtype=ms.float32)
output = ms.ops.reshape(output, (2, 2))
print(output.shape)
# (2, 2)