代码拉取完成,页面将自动刷新
class torch.nn.InstanceNorm2d(
num_features,
eps=1e-05,
momentum=0.1,
affine=False,
track_running_stats=False
)(input) -> Tensor
更多内容详见torch.nn.InstanceNorm2d。
class mindspore.nn.InstanceNorm2d(
num_features,
eps=1e-5,
momentum=0.1,
affine=True,
gamma_init='ones',
beta_init='zeros'
)(x) -> Tensor
更多内容详见mindspore.nn.InstanceNorm2d。
PyTorch:在四维输入(具有额外mini-batch和channel通道的二维输入)的每个channel内部应用归一化。
MindSpore:此API实现功能与PyTorch基本一致,典型区别有两点。MindSpore中affine参数默认值为True,会对内部参数 γ 和 β 进行学习,PyTorch默认值为False,不进行参数学习;PyTorch支持track_running_stats参数,如果设置为True,会在推理中使用训练得到的均值和方差,默认值为False,MindSpore无此参数,在训练和推理中都会使用输入数据的计算均值和方差,与PyTorch的默认值行为相同。
分类 | 子类 | PyTorch | MindSpore | 差异 |
---|---|---|---|---|
输入 | 单输入 | input | x | 接口输入,功能一致,仅参数名不同 |
参数 | 参数1 | num_features | num_features | - |
参数2 | eps | eps | - | |
参数3 | momentum | momentum | - | |
参数4 | affine | affine | 默认值不同,MindSpore默认值为True,会对内部参数 γ 和 β 进行学习,PyTorch默认值为False,不进行参数学习 | |
参数5 | track_running_stats | - | 如果设置为True,PyTorch会在推理中使用训练得到的均值和方差,默认值为False,MindSpore无此参数,在训练和推理中均会使用输入数据的计算均值和方差,与PyTorch的默认值False行为相同 | |
参数6 | - | gamma_init | 用于学习的变换参数 γ 初始化,默认是'ones',而PyTorch不能额外设置,只能是'ones' | |
参数7 | - | beta_init | 用于学习的变换参数 β 初始化,默认是'zeros',而PyTorch不能额外设置,只能是'zeros' |
MindSpore的affine设置为False时,与PyTorch的默认行为功能一致。
# PyTorch
from torch import nn, tensor
import numpy as np
m = nn.InstanceNorm2d(num_features=3)
input_x = tensor(np.array([[[[0.1, 0.2], [0.3, 0.4]],
[[0.5, 0.6], [0.7, 0.8]],
[[0.9, 1], [1.1, 1.2]]]]).astype(np.float32))
output = m(input_x)
print(output.detach().numpy())
# [[[[-1.3411044 -0.44703478]
# [ 0.4470349 1.3411044 ]]
#
# [[-1.3411045 -0.44703463]
# [ 0.44703472 1.3411046 ]]
#
# [[-1.3411034 -0.44703388]
# [ 0.44703573 1.3411053 ]]]]
# MindSpore
from mindspore import Tensor, nn
import numpy as np
m = nn.InstanceNorm2d(num_features=3, affine=False)
m.set_train()
input_x = Tensor(np.array([[[[0.1, 0.2], [0.3, 0.4]],
[[0.5, 0.6], [0.7, 0.8]],
[[0.9, 1], [1.1, 1.2]]]]).astype(np.float32))
output = m(input_x)
print(output)
# [[[[-1.3411045 -0.4470348 ]
# [ 0.44703496 1.3411045 ]]
#
# [[-1.341105 -0.4470351 ]
# [ 0.44703424 1.3411041 ]]
#
# [[-1.3411034 -0.44703388]
# [ 0.44703573 1.3411053 ]]]]
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。