forked from mindspore-Ecosystem/mindspore
50 lines
1.6 KiB
ReStructuredText
50 lines
1.6 KiB
ReStructuredText
|
mindspore.ops.Pow
|
|||
|
|
==================
|
|||
|
|
|
|||
|
|
.. py:class:: mindspore.ops.Pow(*args, **kwargs)
|
|||
|
|
|
|||
|
|
计算 `x` 中每个元素的 `y` 的幂次。
|
|||
|
|
|
|||
|
|
输入 `x` 和 `y` 遵循隐式类型转换规则，使数据类型保持一致。
|
|||
|
|
输入必须是两个Tensor，或一个Tensor和一个Scalar。
|
|||
|
|
当输入是两个Tensor时，它们的数据类型不能同时是bool，它们的shape可以广播。
|
|||
|
|
当输入是一个Tensor和一个Scalar时，Scalar只能是一个常数。
|
|||
|
|
|
|||
|
|
.. math::
|
|||
|
|
|
|||
|
|
out_{i} = x_{i} ^{ y_{i}}
|
|||
|
|
|
|||
|
|
**输入：**
|
|||
|
|
|
|||
|
|
- **x** (Union[Tensor, Number, bool]) - 第一个输入，是一个Number、bool值或数据类型为Number或bool的Tensor。
|
|||
|
|
- **y** (Union[Tensor, Number, bool]) - 第二个输入，当第一个输入是Tensor时，第二个输入应该是一个Number或bool值，或数据类型为Number或bool的Tensor。
|
|||
|
|
|
|||
|
|
**输出：**
|
|||
|
|
|
|||
|
|
Tensor，shape与广播后的shape相同，数据类型为两个输入中精度较高的类型。
|
|||
|
|
|
|||
|
|
**异常：**
|
|||
|
|
|
|||
|
|
- **TypeError** - `x` 和 `y` 不是Tensor、Number或bool。
|
|||
|
|
- **ValueError** - `x` 和 `y` 的shape不相同。
|
|||
|
|
|
|||
|
|
**支持平台：**
|
|||
|
|
|
|||
|
|
``Ascend`` ``GPU`` ``CPU``
|
|||
|
|
|
|||
|
|
**样例：**
|
|||
|
|
|
|||
|
|
>>> x = Tensor(np.array([1.0, 2.0, 4.0]), mindspore.float32)
|
|||
|
|
>>> y = 3.0
|
|||
|
|
>>> pow = ops.Pow()
|
|||
|
|
>>> output = pow(x, y)
|
|||
|
|
>>> print(output)
|
|||
|
|
[ 1. 8. 64.]
|
|||
|
|
>>>
|
|||
|
|
>>> x = Tensor(np.array([1.0, 2.0, 4.0]), mindspore.float32)
|
|||
|
|
>>> y = Tensor(np.array([2.0, 4.0, 3.0]), mindspore.float32)
|
|||
|
|
>>> pow = ops.Pow()
|
|||
|
|
>>> output = pow(x, y)
|
|||
|
|
>>> print(output)
|
|||
|
|
[ 1. 16. 64.]
|
|||
|
|
|