比较与torch.Tensor.to的差异

torch.Tensor.to

torch.Tensor.to(dtype, non_blocking=False, copy=False, memory_format=torch.preserve_format) -> Tensor
torch.Tensor.to(device=None, dtype=None, non_blocking=False, copy=False, memory_format=torch.preserve_format) -> Tensor
torch.Tensor.to(other, non_blocking=False, copy=False) -> Tensor

更多内容详见torch.Tensor.to。

mindspore.Tensor.to

mindspore.Tensor.to(dtype)

更多内容详见mindspore.Tensor.to。

使用方式

MindSpore此API功能与PyTorch不一致。

PyTorch：支持三种接口用法。

• 当仅提供 dtype 参数时，该接口返回指定数据类型的Tensor，此时用法和MindSpore一致。

• 当提供了 device 参数时，该接口返回的Tensor指定了设备，MindSpore不支持该能力。

• 当提供了 other 时，该接口返回和 other 相同数据类型和设备的Tensor，MindSpore不支持该能力。

MindSpore：仅支持 dtype 参数，返回指定数据类型的Tensor。

分类	子类	PyTorch	MindSpore	差异
参数	参数 1	dtype	dtype	使用对应框架下的数据类型
	参数 2	device	-	PyTorch指定设备，MindSpore不支持该功能
	参数 3	other	-	PyTorch指定使用的Tensor，MindSpore不支持该功能
	参数 4	non_blocking	-	PyTorch用于CPU和GPU之间的异步拷贝，MindSpore不支持该功能
	参数 5	copy	-	PyTorch用于强制创建新的Tensor，MindSpore不支持该功能
	参数 6	memory_format	-	详见通用差异参数表

代码示例 1

仅指定 dtype 。

# PyTorch
import torch
import numpy as np
input_np = np.random.randn(2, 3, 4, 5).astype(np.float32)
input_x = torch.tensor(input_np)
dtype = torch.int32
output = input_x.to(dtype)
print(output.dtype)
# torch.int32

# MindSpore
import mindspore
from mindspore import Tensor
import numpy as np
input_x = Tensor(input_np)
dtype = mindspore.int32
output = input_x.to(dtype)
print(output.dtype)
# Int32

代码示例 2

指定 device 。

# PyTorch
import torch
import numpy as np
input_np = np.random.randn(2, 3, 4, 5).astype(np.float32)
input_x = torch.tensor(input_np)
device = torch.device('cpu')
output = input_x.to(device)
print(output.device)
# cpu

# MindSpore目前无法支持该功能。

代码示例 3

指定另一个Tensor。

# PyTorch
import torch
import numpy as np
input_np = np.random.randn(2, 3, 4, 5).astype(np.float32)
input_x = torch.tensor(input_np)
input_y = torch.tensor(input_np).type(torch.int64)
output = input_x.to(input_y)
print(output.dtype)
# torch.int64

# MindSpore目前无法支持该功能。