比较与torch.nn.functional.softmax的差异

查看源文件

torch.nn.functional.softmax

torch.nn.functional.softmax(
    input,
    dim=None,
    _stacklevel=3,
    dtype=None
)

更多内容详见torch.nn.functional.softmax

mindspore.ops.softmax

class mindspore.ops.softmax(
    x,
    axis=-1
)

更多内容详见mindspore.ops.softmax

差异对比

PyTorch:支持使用dim参数和input输入实现函数,将指定维度元素缩放到[0, 1]之间并且总和为1。

MindSpore:支持使用 axis参数和x输入实现函数,将指定维度元素缩放到[0, 1]之间并且总和为1。

分类

子类

PyTorch

MindSpore

差异

参数

参数1

input

x

功能一致,参数名不同

参数2

dim

axis

功能一致,参数名不同

参数3

dtype

-

PyTorch中用来指定输出Tensor的data type,MindSpore中没有该参数

代码示例

import mindspore as ms
import mindspore.ops as ops
import torch
import numpy as np

# In MindSpore, we can define an instance of this class first, and the default value of the parameter axis is -1.
x = ms.Tensor(np.array([1, 2, 3, 4, 5]), ms.float32)
output1 = ops.softmax(x)
print(output1)
# Out:
# [0.01165623 0.03168492 0.08612853 0.23412165 0.63640857]
x = ms.Tensor(np.array([[1, 2, 3, 4, 5], [5, 4, 3, 2, 1]]), ms.float32)
output2 = ops.softmax(x, axis=0)
print(output2)
# Out:
# [[0.01798621 0.11920292 0.5        0.880797   0.98201376]
#  [0.98201376 0.880797   0.5        0.11920292 0.01798621]]

# In torch, the input and dim should be input at the same time to implement the function.
input = torch.tensor(np.array([1.0, 2.0, 3.0, 4.0, 5.0]))
output3 = torch.nn.functional.softmax(input, dim=0)
print(output3)
# Out:
# tensor([0.0117, 0.0317, 0.0861, 0.2341, 0.6364], dtype=torch.float64)