关于numpy模块接口兼容性的问题

在numpy 模块中的几种Tensor初始化会有不同的问题, 比如说:

>>> import mindspore as ms

>>> import mindspore.numpy as np

>>> a = ms.Tensor([1,2,3])

再执行以下代码就会出不一样的情况:

>>> b = np.arange(a[2]) # 正常 

>>> c = np.zeros(a[2]) # 异常 

>>> d = np.ones(a[2]) # 异常

同样是初始化, 为什么有的就可以用Tensor作为shape而有的却只能用list呢? 再说, mindspore 中也没有提供好的Tensor转list的方法呀 [急][急][急]

除了这类有输入接口有兼容性问题外, 还有如下例子:

>>> np.log(a)

为什么a 必须是float类型,而不支持int类型呢? 这种常见的函数操作在numpy和torch中都是支持的呀!

问题一：

由于arange和zeros/ones内部实现使用的算子不同，导致arange可以用Tensor初始化，而剩下两个不行。这个地方是mindspore.numpy功能不完善，不支持tensor类型，近期会尝试修复这个问题。

mindspore tensor转list可以通过如下方式:

a = Tensor([1, 2, 3])

a = a.asnumpy().tolist()

问题二：

是log算子本身问题，目前CPU，GPU支持float16， 32，64；Ascend支持float16， 32。至于为什么不支持int，有待和算子组的同事确认。