源自github用户mamingjie-China:
当topk的输入中,出现相同大小的值时,运算结果中,indices的结果在GPU和CPU版本的Paddle中不一致,且不同机器,均在CPU版本下,运算结果也不相同。初步看了一下代码,应该是在排序的时候,所使用的排序算法为不稳定排序所致。
示例代码
import paddle.fluid as fluid
import numpy as np
def gen_data():
return {
"input": np.array([[[2, 2, 2, 2], [3,3,2,3], [4, 4, 3, 4]], [[5, 5, 6, 6], [7,7,7,7], [6, 7, 10, 8]]], dtype="float32")
}
input = fluid.data(name="input", shape=[2,3,4], dtype='float32')
z = fluid.layers.topk(input=input, k=2, name='z')
place = fluid.CPUPlace()
exe = fluid.Executor(place)
print(gen_data()["input"].shape)
print(gen_data()["input"])
z_value, z_index = exe.run(feed=gen_data(),
fetch_list=[z[0].name, z[1].name])
print(z_value,"###############", z_index)
CPU结果
GPU结果
源自github用户Aurelius84:
感谢反馈。经确认,topk的CPUKernel底层实现调用了std::partial_sort
,这个算法是不稳定的。我们会修复这个问题。
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。
登录 后才可以发表评论