比较与torch.cumsum的功能差异

torch.cumsum

torch.cumsum(input, dim, *, dtype=None, out=None) -> Tensor

更多内容详见torch.cumsum。

mindspore.ops.cumsum

mindspore.ops.cumsum(x, axis, dtype=None) -> Tensor

更多内容详见mindspore.ops.cumsum。

差异对比

PyTorch：计算输入Tensor在指定轴上的累加和。

MindSpore：MindSpore此API实现功能与PyTorch基本一致，不过参数设定上有所差异。

分类	子类	PyTorch	MindSpore	差异
参数	参数1	input	x	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	dtype	dtype	-
	参数4	out	-	不涉及

代码示例1

当输入tensor相同，累加轴为-1时，对tensor最内层从左到右累加，两API实现相同的功能。

# PyTorch
import torch
from torch import tensor
import numpy as np
a = tensor(np.array([[3, 4, 6, 10], [1, 6, 7, 9], [4, 3, 8, 7], [1, 3, 7, 9]]).astype(np.float32))
y = torch.cumsum(a, dim=-1)
print(y.numpy())
# [[ 3.  7. 13. 23.]
#  [ 1.  7. 14. 23.]
#  [ 4.  7. 15. 22.]
#  [ 1.  4. 11. 20.]]

# MindSpore
from mindspore import Tensor
import mindspore.ops as ops
import numpy as np
x = Tensor(np.array([[3, 4, 6, 10], [1, 6, 7, 9], [4, 3, 8, 7], [1, 3, 7, 9]]).astype(np.float32))
y = ops.cumsum(x, -1)
print(y)
# [[ 3.  7. 13. 23.]
#  [ 1.  7. 14. 23.]
#  [ 4.  7. 15. 22.]
#  [ 1.  4. 11. 20.]]

代码示例2

当输入tensor和累加轴相同，torch.cumsum和MindSpore通过参数dtype设定输出y的数据类型为int8，得到相同的结果。

# PyTorch
import torch
from torch import tensor
import numpy as np
a = tensor(np.array([[3, 4, 6, 10], [1, 6, 7, 9], [4, 3, 8, 7], [1, 3, 7, 9]]).astype(np.float32))
y = torch.cumsum(a, dim=0, dtype=torch.int8)
print(y.numpy())
# [[ 3  4  6 10]
#  [ 4 10 13 19]
#  [ 8 13 21 26]
#  [ 9 16 28 35]]
print(y.dtype)
# torch.int8

# MindSpore
import mindspore
from mindspore import Tensor
import mindspore.ops as ops
x = Tensor([[3, 4, 6, 10], [1, 6, 7, 9], [4, 3, 8, 7], [1, 3, 7, 9]], mindspore.float32)
y = ops.cumsum(x, 0, dtype=mindspore.int8)
print(y)
# [[ 3  4  6 10]
#  [ 4 10 13 19]
#  [ 8 13 21 26]
#  [ 9 16 28 35]]
print(y.dtype)
# Int8