比较与torch.scatter的差异
以下映射关系均可参考本文。
PyTorch APIs |
MindSpore APIs |
---|---|
torch.scatter |
mindspore.ops.scatter |
torch.Tensor.scatter |
mindspore.Tensor.scatter |
torch.scatter
torch.scatter(input, dim, index, src)
更多内容详见torch.scatter。
mindspore.ops.scatter
mindspore.ops.scatter(input, axis, index, src)
更多内容详见mindspore.ops.scatter。
差异对比
MindSpore此API功能与PyTorch不一致。
PyTorch:在任意维度 d
上,要求 index.size(d) <= src.size(d)
,即 index
可以选择 src
的部分或全部数据分散到 input
里。
MindSpore: index
的shape必须和 src
的shape一致,即 src
的所有数据都会被 index
分散到 input
里。
功能上无差异。
分类 |
子类 |
PyTorch |
MindSpore |
差异 |
---|---|---|---|---|
参数 |
参数 1 |
input |
input |
一致 |
参数 2 |
dim |
axis |
参数名不一致 |
|
参数 3 |
index |
index |
MindSpore的 |
|
参数 4 |
src |
src |
一致 |
代码示例 1
对
src
的部分数据进行scatter操作。
# PyTorch
import torch
import numpy as np
input = torch.tensor(np.zeros((5, 5)), dtype=torch.float32)
src = torch.tensor(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), dtype=torch.float32)
index = torch.tensor(np.array([[0, 1], [0, 1], [0, 1]]), dtype=torch.int64)
out = torch.scatter(input=input, dim=1, index=index, src=src)
print(out)
# tensor([[1., 2., 0., 0., 0.],
# [4., 5., 0., 0., 0.],
# [7., 8., 0., 0., 0.],
# [0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0.]])
# MindSpore目前无法支持该功能。
代码示例 2
对
src
的全部数据进行scatter操作。
import torch
import numpy as np
input = torch.tensor(np.zeros((5, 5)), dtype=torch.float32)
src = torch.tensor(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), dtype=torch.float32)
index = torch.tensor(np.array([[0, 1, 2], [0, 1, 2], [0, 1, 2]]), dtype=torch.int64)
out = torch.scatter(input=input, dim=1, index=index, src=src)
print(out)
# tensor([[1., 2., 3., 0., 0.],
# [4., 5., 6., 0., 0.],
# [7., 8., 9., 0., 0.],
# [0., 0., 0., 0., 0.],
# [0., 0., 0., 0., 0.]])
# MindSpore
import mindspore as ms
import numpy as np
input = ms.Tensor(np.zeros((5, 5)), dtype=ms.float32)
src = ms.Tensor(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), dtype=ms.float32)
index = ms.Tensor(np.array([[0, 1, 2], [0, 1, 2], [0, 1, 2]]), dtype=ms.int64)
out = ms.ops.scatter(input=input, axis=1, index=index, src=src)
print(out)
# [[1. 2. 3. 0. 0.]
# [4. 5. 6. 0. 0.]
# [7. 8. 9. 0. 0.]
# [0. 0. 0. 0. 0.]
# [0. 0. 0. 0. 0.]]