[ 输入参数用法不一致 ]torch.rand¶
torch.rand¶
torch.rand(*size,
*,
out=None,
dtype=None,
layout=torch.strided,
device=None,
requires_grad=False)
paddle.rand¶
paddle.rand(shape,
dtype=None,
name=None)
其中 torch 的 size
和 paddle 的 shape
用法不一致,torch 还支持更多其他参数,具体如下:
参数映射¶
PyTorch | PaddlePaddle | 备注 |
---|---|---|
*size | shape | 表示输出形状大小,PyTorch 以可变参数方式传入,Paddle 以 list 或 tuple 的方式传入。 |
out | - | 表示输出的 Tensor,Paddle 无此参数。 |
dtype | dtype | 表示数据类型。 |
layout | - | 表示布局方式,Paddle 无此参数,一般对网络训练结果影响不大,可直接删除。 |
device | - | 表示 Tensor 存放位置,Paddle 无此参数,需要转写。 |
requires_grad | - | 表示是否不阻断梯度传导,Paddle 无此参数,需要转写。 |
转写示例¶
*size:输出形状大小¶
# PyTorch 写法
torch.rand(3, 5)
# Paddle 写法
paddle.rand([3, 5])
out:指定输出¶
# PyTorch 写法
torch.rand([3, 5], out=y)
# Paddle 写法
paddle.assign(paddle.rand([3, 5]), y)
device: Tensor 的设备¶
# PyTorch 写法
torch.rand(3, 5, device=torch.device('cpu'))
# Paddle 写法
y = paddle.rand([3, 5])
y.cpu()
requires_grad:是否需要求反向梯度,需要修改该 Tensor 的 stop_gradient 属性¶
# PyTorch 写法
x = torch.rand([3, 5], requires_grad=True)
# Paddle 写法
x = paddle.rand([3, 5])
x.stop_gradient = False