###############################################
############   版本:demo-0.1    ###############
##功能:比较pytorch与mindspore网络模型间的精度##
###############################################


主要依赖
torch 1.11.0
mindspore-ascend 1.6.1
npu环境


参数说明
class compare()
--ptmodule  # pytorch模块实例
--msmodule  # minspore模块实例
--module_type  # 取值"net"或"loss"，当输入模块含有权重时，取"net",当模块没有权重如loss模块时，取“loss”
--input_shape  # 模块输入的shape，工具会根据该shape随机生成模块输入，当输入个数为1时，取[[n1,n2,n3,...]], 当个数为2时，取[[n1,n2,n3,...][y1,y2,y3,...]]
--init_mode  # 取值为"ones"或"random"，"ones"表示会把模块中的所有权重初始化为1，"random"表示会把模块中的所有权重初始化为任意一个随机数
--input_num  # 取值1或2，表示输出个数，需要与input_shape同步
--print_result  # bool值，True打印两个模块的输出，False则不打印


使用流程
1. 将所需对比的两个模块的py文件放入module路径
2. 在run_compare.py文件中将上述module导入
3. 将两个模块实例化为PtNet(mindspore)与MsNet(pytorch)
4. 调整compare中的参数
5. 运行run_compare.py



输出说明
1.similarity表示两模块输出结果数值上的相似程度,以pytorch输出作为基线,similarity=1表示完全相同
2.cosine similarity表示两模块输出的余弦相似度,cosine similarity=1表示完全相似
3.variance表示方差,variance=0表示完全相同