比较与torch.linspace的差异

torch.linspace

torch.linspace(start,
               end,
               steps,
               *,
               out=None,
               dtype=None,
               layout=torch.strided,
               device=None,
               requires_grad=False
              )

更多内容详见torch.linspace。

mindspore.ops.linspace

mindspore.ops.linspace(start,
                       end,
                       steps
                      )

更多内容详见mindspore.ops.linspace。

差异对比

MindSpore此API功能与PyTorch一致。

MindSpore: 输出Tensor的dtype与参数 start 相同。

PyTorch: 输出Tensor的dtype由参数 dtype 指定 。

分类	子类	PyTorch	MindSpore	差异
输入	输入 1	start	start	MindSpore中参数 start 的数据类型为Union[Tensor, int, float],PyTorch中参数 start 的数据类型为float
	输入 2	end	end	MindSpore中参数 end 的数据类型为Union[Tensor, int, float]，PyTorch中参数 end 的数据类型为float
	输入 3	steps	steps	MindSpore中参数 steps 的数据类型为Union[Tensor, int]，PyTorch中参数 steps 的数据类型为int
	输入 4	out	-	详见通用差异参数表
	输入 5	dtype	-	MindSpore输出Tensor的dtype与参数 start相同，PyTorch的输出Tensor的dtype由参数 dtype指定
	输入 6	layout	-	详见通用差异参数表
	输入 7	device	-	详见通用差异参数表
	输入 8	requires_grad	-	详见通用差异参数表

代码示例

# PyTorch
import torch

output = torch.linspace(1, 10, 5, dtype=torch.float32)
print(output)
# tensor([1.0000, 3.2500, 5.5000, 7.7500, 10.0000])

# MindSpore
import mindspore as ms
from mindspore import Tensor, ops

start = Tensor(1, ms.float32)
limit = Tensor(10, ms.float32)
delta = Tensor(5, ms.int32)
output = ops.linspace(start, limit, delta)
print(output)
# [1. 3.25 5.5 7.75 10.]