比较与torch.std的差异
以下映射关系均可参考本文。
PyTorch APIs |
MindSpore APIs |
---|---|
torch.std |
mindspore.ops.std |
torch.Tensor.std |
mindspore.Tensor.std |
torch.std
torch.std(input, dim, unbiased=True, keepdim=False, *, out=None)
更多内容详见torch.std。
mindspore.ops.std
mindspore.ops.std(input, axis=None, ddof=0, keepdims=False)
更多内容详见mindspore.ops.std。
差异对比
PyTorch:输出Tensor各维度上的标准差,也可以按照 dim
对指定维度求标准差。unbiased
如果为True,使用Bessel校正;如果是False,使用偏置估计来计算标准差。keepdim
控制输出和输入的维度是否相同。
MindSpore:输出Tensor各维度上的标准差,也可以按照 axis
对指定维度求标准差。如果 ddof
是布尔值,和 unbiased
作用相同; ddof
为整数,计算中使用的除数是 N−ddof,其中N表示元素的数量。keepdim
控制输出和输入的维度是否相同。
分类 |
子类 |
PyTorch |
MindSpore |
差异 |
---|---|---|---|---|
参数 |
参数 1 |
input |
input |
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 |
unbiased |
ddof |
|
|
参数 4 |
keepdim |
keepdims |
功能一致,参数名不同 |
|
参数 5 |
out |
- |
MindSpore无此参数 |
代码示例
# PyTorch
import torch
input = torch.tensor([[[9, 7, 4, -10],
[-9, -2, 1, -2]]], dtype=torch.float32)
print(torch.std(input, dim=2, unbiased=True, keepdim=True))
# tensor([[[8.5829],
# [4.2426]]])
# MindSpore
import mindspore as ms
input = ms.Tensor([[[9, 7, 4, -10],
[-9, -2, 1, -2]]], ms.float32)
print(ms.ops.std(input, axis=2, ddof=True, keepdims=True))
# [[[8.582929 ]
# [4.2426405]]]