代码拉取完成,页面将自动刷新
class torch.logical_xor(input, other, out=None)
更多内容详见 torch.logical_xor。
class mindspore.numpy.logical_xor(x1, x2, dtype=None)
更多内容详见 mindspore.numpy.logical_xor。
PyTorch: 计算给定输入张量的逐元素逻辑异或。零被视为“False”,非零被视为“True”
MindSpore: 按元素计算输入张量的逻辑异或。输入应该是bool或数据类型为bool的张量。
import mindspore.numpy as np
import torch
# MindSpore
x1 = np.array([True, False])
x2 = np.array([False, False])
print(np.logical_xor(x1, x2))
# [True False]
x1 = np.array([0, 1, 10, 0])
x2 = np.array([4, 0, 1, 0])
print(np.logical_xor(x1, x2))
# TypeError: For primitive[LogicalOr], the input argument[x, y, ] must be a type of {Tensor[Bool],}, but got Int32.
# PyTorch
print(torch.logical_xor(torch.tensor([True, False, True]), torch.tensor([True, False, False])))
# tensor([False, False, True])
a = torch.tensor([0, 1, 10, 0], dtype=torch.int8)
b = torch.tensor([4, 0, 1, 0], dtype=torch.int8)
print(torch.logical_xor(a, b))
# tensor([ True, True, False, False])
print(torch.logical_xor(a.double(), b.double()))
# tensor([ True, True, False, False])
print(torch.logical_xor(a.double(), b))
# tensor([ True, True, False, False])
print(torch.logical_xor(a, b, out=torch.empty(4, dtype=torch.bool)))
# tensor([ True, True, False, False])
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。