比较与torch.unique的差异
torch.unique
torch.unique(
*args,
**kwargs
)
更多内容详见torch.unique。
mindspore.ops.unique
mindspore.ops.unique(input)
更多内容详见mindspore.ops.unique。
差异对比
PyTorch:对Tensor中元素进行去重。可通过设置参数 sorted
确定输出是否按升序排列;设置参数 return_inverse
确定是否输出输入的Tensor的各元素在输出Tensor中的位置索引;设置参数 return_counts
确定是否输出各唯一值在输入的Tensor中的数量;设置参数 dim
指定unique的维度。MindSpore不支持这些功能。
MindSpore:对Tensor中元素进行去重,以及返回输入Tensor的各元素在输出Tensor中的位置索引。
分类 |
子类 |
PyTorch |
MindSpore |
差异 |
---|---|---|---|---|
参数 |
参数1 |
input |
input |
一致 |
参数2 |
sorted |
- |
sorted为True时,输出Tensor按照升序排列;sorted为False时,按照原有顺序排列 |
|
参数3 |
return_inverse |
- |
return_inverse为True时,返回输入Tensor各元素在输出Tensor中的索引位置 |
|
参数4 |
return_counts |
- |
return_counts为True时,返回输出Tensor各元素在输入Tensor中的数量 |
|
参数5 |
dim |
- |
指定unique的维度 |
代码示例
# In MindSpore
import mindspore
x = mindspore.Tensor([1, 3, 2, 3], mindspore.float32)
output, idx = mindspore.ops.unique(x)
print(output)
# [1. 3. 2.]
print(idx)
# [0 1 2 1]
# In PyTorch
import torch
output, inverse_indices, counts = torch.unique(torch.tensor([1, 3, 2, 3], dtype=torch.long), sorted=True, return_inverse=True, return_counts=True)
print(output)
# tensor([1, 2, 3])
print(inverse_indices)
# tensor([0, 2, 1, 2])
print(counts)
# tensor([1, 1, 2])
# Example of using unique with dim
output, inverse_indices = torch.unique(torch.tensor([[3, 1], [1, 2]], dtype=torch.long), sorted=True, return_inverse=True, dim=0)
print(output)
# tensor([[1, 2],
# [3, 1]])
print(inverse_indices)
# tensor([1, 0])