比较与torch.median的差异

以下映射关系均可参考本文。

PyTorch APIs	MindSpore APIs
torch.median	mindspore.ops.median
torch.Tensor.median	mindspore.Tensor.median

torch.median

torch.median(input, dim=-1, keepdim=False, *, out=None) -> Tensor

更多内容详见torch.median。

mindspore.ops.median

mindspore.ops.median(input, axis=-1, keepdims=False) -> Tensor

更多内容详见mindspore.ops.median。

差异对比

PyTorch：根据指定 dim，输出 input 的中值与索引。keepdim 控制输出和输入的维度是否相同。在输入仅有 input 时，返回所有元素的中值；在输入包含 dim 时，返回指定维度的中值和索引。out 可以获取输出。

MindSpore：根据指定 axis，输出 input 的中值与索引。keepdims 功能和PyTorch一致。与Pytorch不同，不论输入包含不包含 axis，MindSpore返回指定维度上的中值与索引。MindSpore没有 out 参数。

分类	子类	PyTorch	MindSpore	差异
参数	参数1	input	input	一致
	参数2	dim	axis	功能一致，参数名不同
	参数3	keepdim	keepdims	功能一致，参数名不同
	参数4	out	-	PyTorch的 out 可以获取输出，MindSpore无此参数

代码示例

# PyTorch
import torch

input = torch.tensor([[1, 2.5, 3, 1], [2.5, 3, 2, 1]], dtype=torch.float32)
print(torch.median(input))
# tensor(2.)
print(torch.median(input, dim=1, keepdim=True))
# torch.return_types.median(
# values=tensor([[1.],
#         [2.]]),
# indices=tensor([[3],
#         [2]]))

# MindSpore
import mindspore

x = mindspore.Tensor([[1, 2.5, 3, 1], [2.5, 3, 2, 1]], dtype=mindspore.float32)
print(mindspore.ops.median(x, axis=1, keepdims=True))
# (Tensor(shape=[2, 1], dtype=Float32, value=
# [[ 1.00000000e+00],
#  [ 2.00000000e+00]]), Tensor(shape=[2, 1], dtype=Int64, value=
# [[3],
#  [2]]))