比较与torch.nn.Softmin的差异
torch.nn.Softmin
torch.nn.Softmin(
dim=None
)
更多内容详见torch.nn.Softmin。
mindspore.nn.Softmin
class mindspore.nn.Softmin(
axis=-1
)
更多内容详见mindspore.nn.Softmin。
差异对比
PyTorch:支持使用dim
参数实例化,将指定维度元素缩放到[0, 1]之间并且总和为1,默认值:None。
MindSpore:支持使用 axis
参数实例化,将指定维度元素缩放到[0, 1]之间并且总和为1,默认值:-1。
分类 |
子类 |
PyTorch |
MindSpore |
差异 |
---|---|---|---|---|
参数 |
参数1 |
dim |
axis |
功能一致,参数名不同 |
代码示例
import mindspore as ms
import mindspore.ops as ops
import mindspore.nn as nn
import torch
import torch.nn.functional as F
import numpy as np
# MindSpore
x = ms.Tensor(np.array([1, 2, 3, 4, 5]), ms.float32)
softmin = nn.Softmin()
output1 = softmin(x)
print(output1)
# Out:
# [0.6364086 0.23412167 0.08612854 0.03168492 0.01165623]
x = ms.Tensor(np.array([[1, 2, 3, 4, 5], [5, 4, 3, 2, 1]]), ms.float32)
softmin == nn.Softmin(axis=0)
output2 = softmin(x)
print(output2)
# Out:
# [ [0.63640857 0.23412165 0.08612853 0.03168492 0.01165623]
# [0.01165623 0.03168492 0.08612853 0.23412165 0.63640857]]
# PyTorch
input = torch.tensor(np.array([1.0, 2.0, 3.0, 4.0, 5.0]))
output3 = F.softmin(input, dim=0)
print(output3)
# Out:
# tensor([0.6364, 0.2341, 0.0861, 0.0317, 0.0117], dtype=torch.float64)