比较与torch.nn.functional.softmax的差异

torch.nn.functional.softmax

torch.nn.functional.softmax(
    input,
    dim=None,
    _stacklevel=3,
    dtype=None
)

更多内容详见torch.nn.functional.softmax。

mindspore.ops.softmax

class mindspore.ops.softmax(
    x,
    axis=-1
)

更多内容详见mindspore.ops.softmax。

差异对比

PyTorch：支持使用dim参数和input输入实现函数，将指定维度元素缩放到[0, 1]之间并且总和为1。

MindSpore：支持使用 axis参数和x输入实现函数，将指定维度元素缩放到[0, 1]之间并且总和为1。

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	-	PyTorch中用来指定输出Tensor的data type，MindSpore中没有该参数

代码示例

import mindspore as ms
import mindspore.ops as ops
import torch
import numpy as np

# In MindSpore, we can define an instance of this class first, and the default value of the parameter axis is -1.
x = ms.Tensor(np.array([1, 2, 3, 4, 5]), ms.float32)
output1 = ops.softmax(x)
print(output1)
# Out:
# [0.01165623 0.03168492 0.08612853 0.23412165 0.63640857]
x = ms.Tensor(np.array([[1, 2, 3, 4, 5], [5, 4, 3, 2, 1]]), ms.float32)
output2 = ops.softmax(x, axis=0)
print(output2)
# Out:
# [[0.01798621 0.11920292 0.5        0.880797   0.98201376]
#  [0.98201376 0.880797   0.5        0.11920292 0.01798621]]

# In torch, the input and dim should be input at the same time to implement the function.
input = torch.tensor(np.array([1.0, 2.0, 3.0, 4.0, 5.0]))
output3 = torch.nn.functional.softmax(input, dim=0)
print(output3)
# Out:
# tensor([0.0117, 0.0317, 0.0861, 0.2341, 0.6364], dtype=torch.float64)