比较与torch.nn.functional.dropout的差异

torch.nn.functional.dropout

torch.nn.functional.dropout(input, p=0.5, training=True, inplace=False)

更多内容详见torch.nn.functional.dropout。

mindspore.ops.dropout

mindspore.ops.dropout(input, p=0.5, training=True, seed=None)

更多内容详见mindspore.ops.dropout。

差异对比

MindSpore此API实现功能与PyTorch基本一致，但由于框架机制不同，入参差异如下：

分类	子类	PyTorch	MindSpore	差异
参数	参数1	input	input	一致
	参数2	p	p	一致
	参数3	training	training	一致
	参数4	inplace	-	MindSpore无此参数
	参数5	-	seed	随机数生成器的种子，PyTorch无此参数

代码示例

当inplace输入为False时，两API实现相同的功能。

# PyTorch
import torch
from torch import tensor
input = tensor([[1.00, 2.00, 3.00, 4.00, 5.00, 6.00, 7.00, 8.00, 9.00, 10.00],
                [1.00, 2.00, 3.00, 4.00, 5.00, 6.00, 7.00, 8.00, 9.00, 10.00],
                [1.00, 2.00, 3.00, 4.00, 5.00, 6.00, 7.00, 8.00, 9.00, 10.00],
                [1.00, 2.00, 3.00, 4.00, 5.00, 6.00, 7.00, 8.00, 9.00, 10.00],
                [1.00, 2.00, 3.00, 4.00, 5.00, 6.00, 7.00, 8.00, 9.00, 10.00]])
output = torch.nn.functional.dropout(input)
print(output.shape)
# torch.Size([5, 10])

# MindSpore
import mindspore
from mindspore import Tensor
x = Tensor([[1.00, 2.00, 3.00, 4.00, 5.00, 6.00, 7.00, 8.00, 9.00, 10.00],
            [1.00, 2.00, 3.00, 4.00, 5.00, 6.00, 7.00, 8.00, 9.00, 10.00],
            [1.00, 2.00, 3.00, 4.00, 5.00, 6.00, 7.00, 8.00, 9.00, 10.00],
            [1.00, 2.00, 3.00, 4.00, 5.00, 6.00, 7.00, 8.00, 9.00, 10.00],
            [1.00, 2.00, 3.00, 4.00, 5.00, 6.00, 7.00, 8.00, 9.00, 10.00]], mindspore.float32)
output = mindspore.ops.dropout(x)
print(output.shape)
# (5, 10)