forked from mindspore-Ecosystem/mindspore
!38725 modify the format of API files
Merge pull request !38725 from 宦晓玲/code_docs_20725
This commit is contained in:
Gitee
commit
6ef513cf8b
|
|
@ -36,8 +36,8 @@ mindspore.ops.Conv3DTranspose
|
|||
|
||||
- **pad** (Union(int, tuple[int])) - 在输入各维度两侧填充的数量。如果 `pad` 是一个整数，则前部、后部、顶部，底部，左边和右边的填充都等于 `pad` 。如果 `pad` 是6个整数的Tuple，则前部、后部、顶部、底部、左边和右边的填充分别等于填充 `pad[0]` 、 `pad[1]` 、 `pad[2]` 、 `pad[3]` 、 `pad[4]` 和 `pad[5]` 。默认值：0。
|
||||
- **stride** (Union(int, tuple[int])) - 三维卷积核的移动步长。数据类型为整型或三个整型的Tuple。一个整数表示在深度、高度和宽度方向的移动步长均为该值。三个整数的Tuple分别表示在深度、高度和宽度方向的移动步长。默认值：1。
|
||||
- **dilation** (Union(int, tuple[int])) - 卷积核膨胀尺寸，指定应用卷积核的间隔。默认值: 1。
|
||||
- **group** (int) - 将过滤器拆分为组。默认值: 1。目前仅支持取值1。
|
||||
- **dilation** (Union(int, tuple[int])) - 卷积核膨胀尺寸，指定应用卷积核的间隔。默认值：1。
|
||||
- **group** (int) - 将过滤器拆分为组。默认值：1。目前仅支持取值1。
|
||||
- **output_padding** (Union(int, tuple[int])) - 为输出的各个维度添加额外长度。默认值：0。
|
||||
- **data_format** (str) - 支持的数据模式。目前仅支持"NCDHW"。
|
||||
|
||||
|
|
|
|||
|
|
@ -11,8 +11,8 @@ mindspore.ops.CumProd
|
|||
y_i = x_1 * x_2 * x_3 * ... * x_i
|
||||
|
||||
参数：
|
||||
- **exclusive** (bool) - 如果为True，则排除末尾元素计算元素累计积（见示例）。默认值: False。
|
||||
- **reverse** (bool) - 如果为True，则沿 `axis` 反转结果。默认值: False。
|
||||
- **exclusive** (bool) - 如果为True，则排除末尾元素计算元素累计积（见示例）。默认值：False。
|
||||
- **reverse** (bool) - 如果为True，则沿 `axis` 反转结果。默认值：False。
|
||||
|
||||
输入：
|
||||
- **x** (Tensor[Number]) - 输入Tensor，shape: :math:`(N,*)` ，其中 :math:`*` 表示任何数量的附加维度。其秩应小于8。
|
||||
|
|
|
|||
|
|
@ -5,15 +5,12 @@
|
|||
|
||||
计算输入Tensor的数据类型，且返回的数据类型为 `mindspore.dtype` 。
|
||||
|
||||
**输入：**
|
||||
输入：
|
||||
- **input_x** (Tensor) - 输入Tensor，其shape为 :math:`(x1,x2,...,xR)` 。
|
||||
|
||||
- **input_x** (Tensor) - 输入Tensor，其shape为 :math:`(x1,x2,...,xR)` 。
|
||||
输出：
|
||||
`mindspore.dtype` ，输入Tensor的数据类型。
|
||||
|
||||
**输出：**
|
||||
异常：
|
||||
- **TypeError** - 如果 `input_x` 不是Tensor。
|
||||
|
||||
`mindspore.dtype` ，输入Tensor的数据类型。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 如果 `input_x` 不是Tensor。
|
||||
|
||||
|
|
|
|||
|
|
@ -5,20 +5,16 @@ mindspore.ops.DataFormatDimMap
|
|||
|
||||
返回源数据格式中的目标数据格式的维度索引。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **src_format** (str) - 源数据格式中的可选值。格式可以是"NHWC"和"NCHW"。默认值："NHWC"。
|
||||
- **dst_format** (str) - 目标数据格式中的可选值。格式可以是"NHWC"和"NCHW"。默认值："NCHW"。
|
||||
|
||||
- **src_format** (str) - 源数据格式中的可选值。格式可以是“NHWC”和“NCHW”。默认值：“NHWC”。
|
||||
- **dst_format** (str) - 目标数据格式中的可选值。格式可以是“NHWC”和“NCHW”。默认值：“NCHW”。
|
||||
输入：
|
||||
- **input_x** (Tensor) - 输入Tensor，每个元素都用作源数据格式的维度索引。建议值在[-4, 4)范围内，仅支持int32。
|
||||
|
||||
**输入：**
|
||||
输出：
|
||||
输出Tensor，返回给定目标数据格式的维度索引，与 `input_x` 具有相同的数据类型和shape。
|
||||
|
||||
- **input_x** (Tensor) - 输入Tensor，每个元素都用作源数据格式的维度索引。建议值在[-4, 4)范围内，仅支持int32。
|
||||
|
||||
**输出：**
|
||||
|
||||
输出Tensor，返回给定目标数据格式的维度索引，与 `input_x` 具有相同的数据类型和shape。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `src_format` 或 `dst_format` 不是str。
|
||||
- **TypeError** - `input_x` 不是数据类型为int32的Tensor。
|
||||
异常：
|
||||
- **TypeError** - `src_format` 或 `dst_format` 不是str。
|
||||
- **TypeError** - `input_x` 不是数据类型为int32的Tensor。
|
||||
|
|
@ -13,12 +13,10 @@ mindspore.ops.Depend
|
|||
b = B(y) ---> y = Depend(y, a)
|
||||
---> b = B(y)
|
||||
|
||||
**输入：**
|
||||
输入：
|
||||
- **value** (Tensor) - 应被Depend操作符返回的Tensor。
|
||||
- **expr** (Expression) - 应被执行的无输出的表达式。
|
||||
|
||||
- **value** (Tensor) - 应被Depend操作符返回的Tensor。
|
||||
- **expr** (Expression) - 应被执行的无输出的表达式。
|
||||
|
||||
**输出：**
|
||||
|
||||
Tensor，作为 `value` 传入的变量。
|
||||
输出：
|
||||
Tensor，作为 `value` 传入的变量。
|
||||
|
||||
|
|
|
|||
|
|
@ -15,16 +15,13 @@ mindspore.ops.Div
|
|||
- 当输入是两个Tensor时，它们的数据类型不能同时是bool，并保证其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。
|
||||
|
||||
**输入：**
|
||||
输入：
|
||||
- **x** (Union[Tensor, number.Number, bool]) - 第一个输入，是一个number.Number、bool值或数据类型为 `number <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 或 `bool_ <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 的Tensor。
|
||||
- **y** (Union[Tensor, number.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.Number或bool值，或数据类型为number或bool_的Tensor。当第一个输入是Scalar时，第二个输入必须是数据类型为number或bool_的Tensor。
|
||||
|
||||
- **x** (Union[Tensor, number.Number, bool]) - 第一个输入，是一个number.Number、bool值或数据类型为 `number <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 或 `bool_ <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 的Tensor。
|
||||
- **y** (Union[Tensor, number.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.Number或bool值，或数据类型为number或bool_的Tensor。当第一个输入是Scalar时，第二个输入必须是数据类型为number或bool_的Tensor。
|
||||
输出：
|
||||
Tensor，shape与输入 `x`，`y` 广播后的shape相同，数据类型为两个输入中精度较高的类型。
|
||||
|
||||
**输出：**
|
||||
|
||||
Tensor，shape与输入 `x`，`y` 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` 都不是Tensor。
|
||||
- **TypeError** - `x` 和 `y` 数据类型都是bool_的Tensor。
|
||||
异常：
|
||||
- **TypeError** - `x` 和 `y` 都不是Tensor。
|
||||
- **TypeError** - `x` 和 `y` 数据类型都是bool_的Tensor。
|
||||
|
|
|
|||
|
|
@ -5,24 +5,20 @@
|
|||
|
||||
Dropout是一种正则化手段，通过在训练中以 :math:`1 - keep\_prob` 的概率随机将神经元输出设置为0，起到减少神经元相关性的作用，避免过拟合。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **keep_prob** (float) - 输入神经元保留概率，数值范围在0到1之间。例如，keep_prob=0.9，删除10%的神经元。默认值：0.5。
|
||||
- **Seed0** (int) - 算子层的随机种子，用于生成随机数。默认值：0。
|
||||
- **Seed1** (int) - 全局的随机种子，和算子层的随机种子共同决定最终生成的随机数。默认值：0。
|
||||
|
||||
- **keep_prob** (float) - 输入神经元保留概率，数值范围在0到1之间。例如，keep_prob=0.9，删除10%的神经元。默认值：0.5。
|
||||
- **Seed0** (int) - 算子层的随机种子，用于生成随机数。默认值：0。
|
||||
- **Seed1** (int) - 全局的随机种子，和算子层的随机种子共同决定最终生成的随机数。默认值：0。
|
||||
输入：
|
||||
- **x** (Tensor) - Dropout的输入，任意维度的Tensor，其数据类型为float16或float32。
|
||||
|
||||
**输入：**
|
||||
输出：
|
||||
- **output** (Tensor) - shape和数据类型与 `x` 相同。
|
||||
- **mask** (Tensor) - shape与 `x` 相同。
|
||||
|
||||
- **x** (Tensor) - Dropout的输入，任意维度的Tensor，其数据类型为float16或float32。
|
||||
|
||||
**输出：**
|
||||
|
||||
- **output** (Tensor) - shape和数据类型与 `x` 相同。
|
||||
- **mask** (Tensor) - shape与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `keep_prob` 不是float。
|
||||
- **TypeError** - `Seed0` 或 `Seed1` 不是int。
|
||||
- **TypeError** - `x` 的数据类型既不是float16也不是float32。
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
异常：
|
||||
- **TypeError** - `keep_prob` 不是float。
|
||||
- **TypeError** - `Seed0` 或 `Seed1` 不是int。
|
||||
- **TypeError** - `x` 的数据类型既不是float16也不是float32。
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
|
|
@ -18,62 +18,58 @@ mindspore.ops.DynamicGRUV2
|
|||
:math:`W` ， :math:`b` 为可学习权重和偏置。
|
||||
:math:`\sigma` 是sigmoid激活函数， :math:`*` 为Hadamard乘积。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **direction** (str) - 指定GRU方向，str类型。默认值："UNIDIRECTIONAL"。目前仅支持"UNIDIRECTIONAL"。
|
||||
- **cell_depth** (int) - GRU单元深度。默认值：1。
|
||||
- **keep_prob** (float) - Dropout保留概率。默认值：1.0。
|
||||
- **cell_clip** (float) - 输出裁剪率。默认值：-1.0。
|
||||
- **num_proj** (int) - 投影维度。默认值：0。
|
||||
- **time_major** (bool) - 如为True，则指定输入的第一维度为序列长度 `num_step` ，如为False则第一维度为 `batch_size` 。默认值：True。
|
||||
- **activation** (str) - 字符串，指定activation类型。默认值："tanh"。目前仅支持取值"tanh"。
|
||||
- **gate_order** (str) - 字符串，指定weight和bias中门的排列顺序，可选值为"rzh"或"zrh"。默认值："rzh"。"rzh"代表顺序为：重置门、更新门、隐藏门。"zrh"代表顺序为：更新门，重置门，隐藏门。
|
||||
- **reset_after** (bool) - 是否在矩阵乘法后使用重置门。默认值：True。
|
||||
- **is_training** (bool) - 是否为训练模式。默认值：True。
|
||||
参数：
|
||||
- **direction** (str) - 指定GRU方向，str类型。默认值："UNIDIRECTIONAL"。目前仅支持"UNIDIRECTIONAL"。
|
||||
- **cell_depth** (int) - GRU单元深度。默认值：1。
|
||||
- **keep_prob** (float) - Dropout保留概率。默认值：1.0。
|
||||
- **cell_clip** (float) - 输出裁剪率。默认值：-1.0。
|
||||
- **num_proj** (int) - 投影维度。默认值：0。
|
||||
- **time_major** (bool) - 如为True，则指定输入的第一维度为序列长度 `num_step` ，如为False则第一维度为 `batch_size` 。默认值：True。
|
||||
- **activation** (str) - 字符串，指定activation类型。默认值："tanh"。目前仅支持取值"tanh"。
|
||||
- **gate_order** (str) - 字符串，指定weight和bias中门的排列顺序，可选值为"rzh"或"zrh"。默认值："rzh"。"rzh"代表顺序为：重置门、更新门、隐藏门。"zrh"代表顺序为：更新门，重置门，隐藏门。
|
||||
- **reset_after** (bool) - 是否在矩阵乘法后使用重置门。默认值：True。
|
||||
- **is_training** (bool) - 是否为训练模式。默认值：True。
|
||||
|
||||
**输入：**
|
||||
|
||||
- **x** (Tensor) - 输入词序列。shape: :math:`(\text{num_step}, \text{batch_size}, \text{input_size})` 。数据类型支持float16。
|
||||
- **weight_input** (Tensor) - 权重 :math:`W_{\{ir,iz,in\}}` 。
|
||||
shape： :math:`(\text{input_size}, 3 \times \text{hidden_size})` 。
|
||||
数据类型支持float16。
|
||||
- **weight_hidden** (Tensor) - 权重 :math:`W_{\{hr,hz,hn\}}` 。
|
||||
shape： :math:`(\text{hidden_size}, 3 \times \text{hidden_size})` 。
|
||||
数据类型支持float16。
|
||||
- **bias_input** (Tensor) - 偏差 :math:`b_{\{ir,iz,in\}}` 。shape： :math:`(3 \times \text{hidden_size})` ，或 `None` 。与输入 `init_h` 的数据类型相同。
|
||||
- **bias_hidden** (Tensor) - 偏差 :math:`b_{\{hr,hz,hn\}}` 。shape： :math:`(3 \times \text{hidden_size})` ，或 `None` 。与输入 `init_h` 的数据类型相同。
|
||||
- **seq_length** (Tensor) - 每个batch中序列的长度。shape： :math:`(\text{batch_size})` 。
|
||||
目前仅支持 `None` 。
|
||||
- **init_h** (Tensor) - 初始隐藏状态。shape： :math:`(\text{batch_size}, \text{hidden_size})` 。
|
||||
数据类型支持float16和float32。
|
||||
输入：
|
||||
- **x** (Tensor) - 输入词序列。shape: :math:`(\text{num_step}, \text{batch_size}, \text{input_size})` 。数据类型支持float16。
|
||||
- **weight_input** (Tensor) - 权重 :math:`W_{\{ir,iz,in\}}` 。
|
||||
shape： :math:`(\text{input_size}, 3 \times \text{hidden_size})` 。
|
||||
数据类型支持float16。
|
||||
- **weight_hidden** (Tensor) - 权重 :math:`W_{\{hr,hz,hn\}}` 。
|
||||
shape： :math:`(\text{hidden_size}, 3 \times \text{hidden_size})` 。
|
||||
数据类型支持float16。
|
||||
- **bias_input** (Tensor) - 偏差 :math:`b_{\{ir,iz,in\}}` 。shape： :math:`(3 \times \text{hidden_size})` ，或 `None` 。与输入 `init_h` 的数据类型相同。
|
||||
- **bias_hidden** (Tensor) - 偏差 :math:`b_{\{hr,hz,hn\}}` 。shape： :math:`(3 \times \text{hidden_size})` ，或 `None` 。与输入 `init_h` 的数据类型相同。
|
||||
- **seq_length** (Tensor) - 每个batch中序列的长度。shape： :math:`(\text{batch_size})` 。
|
||||
目前仅支持 `None` 。
|
||||
- **init_h** (Tensor) - 初始隐藏状态。shape： :math:`(\text{batch_size}, \text{hidden_size})` 。
|
||||
数据类型支持float16和float32。
|
||||
|
||||
**输出：**
|
||||
输出：
|
||||
- **y** (Tensor) - Tensor，shape：
|
||||
|
||||
- **y** (Tensor) - Tensor，shape：
|
||||
- :math:`(num\_step, batch\_size, min(hidden\_size, num\_proj))` ，如果 `num_proj` 大于0,
|
||||
- :math:`(num\_step, batch\_size, hidden\_size)` ，如果 `num_proj` 等于0。
|
||||
|
||||
与 `bias_type` 数据类型相同。
|
||||
|
||||
- :math:`(num\_step, batch\_size, min(hidden\_size, num\_proj))` ，如果 `num_proj` 大于0,
|
||||
- :math:`(num\_step, batch\_size, hidden\_size)` ，如果 `num_proj` 等于0。
|
||||
|
||||
与 `bias_type` 数据类型相同。
|
||||
- **output_h** (Tensor) - Tensor，shape： :math:`(\text{num_step}, \text{batch_size}, \text{hidden_size})` 。与 `bias_type` 数据类型相同。
|
||||
- **update** (Tensor) - Tensor，shape： :math:`(\text{num_step}, \text{batch_size}, \text{hidden_size})` 。与 `bias_type` 数据类型相同。
|
||||
- **reset** (Tensor) - Tensor，shape： :math:`(\text{num_step}, \text{batch_size}, \text{hidden_size})` 。与 `bias_type` 数据类型相同。
|
||||
- **new** (Tensor) - Tensor，shape： :math:`(\text{num_step}, \text{batch_size}, \text{hidden_size})` 。与 `bias_type` 数据类型相同。
|
||||
- **hidden_new** (Tensor) - Tensor，shape： :math:`(\text{num_step}, \text{batch_size}, \text{hidden_size})` 。与 `bias_type` 数据类型相同。
|
||||
|
||||
- **output_h** (Tensor) - Tensor，shape： :math:`(\text{num_step}, \text{batch_size}, \text{hidden_size})` 。与 `bias_type` 数据类型相同。
|
||||
- **update** (Tensor) - Tensor，shape： :math:`(\text{num_step}, \text{batch_size}, \text{hidden_size})` 。与 `bias_type` 数据类型相同。
|
||||
- **reset** (Tensor) - Tensor，shape： :math:`(\text{num_step}, \text{batch_size}, \text{hidden_size})` 。与 `bias_type` 数据类型相同。
|
||||
- **new** (Tensor) - Tensor，shape： :math:`(\text{num_step}, \text{batch_size}, \text{hidden_size})` 。与 `bias_type` 数据类型相同。
|
||||
- **hidden_new** (Tensor) - Tensor，shape： :math:`(\text{num_step}, \text{batch_size}, \text{hidden_size})` 。与 `bias_type` 数据类型相同。
|
||||
关于 `bias_type` :
|
||||
|
||||
关于 `bias_type` :
|
||||
- 如果 `bias_input` 和 `bias_hidden` 均为 `None` ，则 `bias_type` 为 `init_h` 的数据类型。
|
||||
- 如果 `bias_input` 不为 `None` ，则 `bias_type` 为 `bias_input` 的数据类型。
|
||||
- 如果 `bias_input` 为 `None` 而 `bias_hidden` 不为 `None` ，则 `bias_type` 为 `bias_hidden` 的数据类型。
|
||||
|
||||
- 如果 `bias_input` 和 `bias_hidden` 均为 `None` ，则 `bias_type` 为 `init_h` 的数据类型。
|
||||
- 如果 `bias_input` 不为 `None` ，则 `bias_type` 为 `bias_input` 的数据类型。
|
||||
- 如果 `bias_input` 为 `None` 而 `bias_hidden` 不为 `None` ，则 `bias_type` 为 `bias_hidden` 的数据类型。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `direction` 、 `activation` 或 `gate_order` 不是str。
|
||||
- **TypeError** - `cell_depth` 或 `num_proj` 不是int类型。
|
||||
- **TypeError** - `keep_prob` 或 `cell_clip` 不是float类型。
|
||||
- **TypeError** - `time_major` 、 `reset_after` 或 `is_training` 不是bool类型。
|
||||
- **TypeError** - `x` 、 `weight_input` 、 `weight_hidden` 、 `bias_input` 、 `bias_hidden` 、 `seq_length` 或 `ini_h` 不是Tensor。
|
||||
- **TypeError** - `x` 、 `weight_input` 或 `weight_hidden` 的数据类型非float16。
|
||||
- **TypeError** - `init_h` 数据类型非float16或float32。
|
||||
异常：
|
||||
- **TypeError** - `direction` 、 `activation` 或 `gate_order` 不是str。
|
||||
- **TypeError** - `cell_depth` 或 `num_proj` 不是int类型。
|
||||
- **TypeError** - `keep_prob` 或 `cell_clip` 不是float类型。
|
||||
- **TypeError** - `time_major` 、 `reset_after` 或 `is_training` 不是bool类型。
|
||||
- **TypeError** - `x` 、 `weight_input` 、 `weight_hidden` 、 `bias_input` 、 `bias_hidden` 、 `seq_length` 或 `ini_h` 不是Tensor。
|
||||
- **TypeError** - `x` 、 `weight_input` 或 `weight_hidden` 的数据类型非float16。
|
||||
- **TypeError** - `init_h` 数据类型非float16或float32。
|
||||
|
|
|
|||
|
|
@ -24,46 +24,42 @@ mindspore.ops.DynamicRNN
|
|||
|
||||
例如， :math:`W_{ix}和b_{ix}` 是把 :math:`x` 转换为 :math:`i` 的权重和偏置。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **cell_type** (str) - 指定Cell类型。当前仅支持LSTM。默认值：LSTM。
|
||||
- **direction** (str) - 指定单向或双向。默认值：UNIDIRECTIONAL。当前仅支持UNIDIRECTIONAL。
|
||||
- **cell_depth** (int) - 指定cell的层数。默认值：1。
|
||||
- **use_peephole** (bool) - 是否使用"peephole connections"。默认值：False。
|
||||
- **keep_prob** (float) - 指定保留率，即每个元素被保留的概率。1.0表示所有元素全部保留。默认值：1.0。
|
||||
- **cell_clip** (float) - 将Cell裁剪到指定的值，负值表示禁用。默认值：-1.0。
|
||||
- **num_proj** (int) - 投影矩阵的输出维数。默认值：0。
|
||||
- **time_major** (bool) - 指定输入 `x` 的数据排列格式。如果为True，格式为 :math:`(num\_step, batch\_size, input\_size)`，如果为False，格式为：:math:`(batch\_size, num\_step, input\_size)` 。默认值：True。当前仅支持True。
|
||||
- **activation** (str) - 指定激活函数。默认值：tanh。当前仅支持tanh。
|
||||
- **forget_bias** (float) - 指定遗忘门的偏置。默认值：0.0。
|
||||
- **is_training** (bool) - 指定是否开启训练。默认值：True。
|
||||
|
||||
- **cell_type** (str) - 指定Cell类型。当前仅支持LSTM。默认值：LSTM。
|
||||
- **direction** (str) - 指定单向或双向。默认值：UNIDIRECTIONAL。当前仅支持UNIDIRECTIONAL。
|
||||
- **cell_depth** (int) - 指定cell的层数。默认值：1。
|
||||
- **use_peephole** (bool) - 是否使用"peephole connections"。默认值：False。
|
||||
- **keep_prob** (float) - 指定保留率，即每个元素被保留的概率。1.0表示所有元素全部保留。默认值：1.0。
|
||||
- **cell_clip** (float) - 将Cell裁剪到指定的值，负值表示禁用。默认值：-1.0。
|
||||
- **num_proj** (int) - 投影矩阵的输出维数。默认值：0。
|
||||
- **time_major** (bool) - 指定输入 `x` 的数据排列格式。如果为True，格式为 :math:`(num\_step, batch\_size, input\_size)`，如果为False，格式为：:math:`(batch\_size, num\_step, input\_size)` 。默认值：True。当前仅支持True。
|
||||
- **activation** (str) - 指定激活函数。默认值：tanh。当前仅支持tanh。
|
||||
- **forget_bias** (float) - 指定遗忘门的偏置。默认值：0.0。
|
||||
- **is_training** (bool) - 指定是否开启训练。默认值：True。
|
||||
输入：
|
||||
- **x** (Tensor) - 输入的词汇。shape为 :math:`(num\_step, batch\_size, input\_size)` 的Tensor。数据类型必须为float16。
|
||||
- **w** (Tensor) - 输入的权重。shape为 :math:`(input\_size + hidden\_size, 4 * hidden\_size)` 的Tensor。数据类型必须为float16。
|
||||
- **b** (Tensor) - 输入的偏置。shape为 :math:`(4 * hidden\_size)` 的Tensor。数据类型必须为float16或float32。
|
||||
- **seq_length** (Tensor) - 每个批次中句子的真实长度。shape为 :math:`(batch\_size, )` 的Tensor。当前仅支持None。
|
||||
- **init_h** (Tensor) - 在初始时刻的隐藏状态。shape为 :math:`(1, batch\_size, hidden\_size)` 的Tensor。数据类型必须为float16。
|
||||
- **init_c** (Tensor) - 在初始时刻的Cell状态。shape为 :math:`(1, batch\_size, hidden\_size)` 的Tensor。数据类型必须为float16。
|
||||
|
||||
**输入：**
|
||||
输出：
|
||||
- **y** (Tensor) - 所有时刻输出层的输出向量，shape为 :math:`(num\_step, batch\_size, hidden\_size)` 的Tensor。数据类型与输入 `b` 相同。
|
||||
- **output_h** (Tensor) - 所有时刻输出层的输出向量，shape为 :math:`(num\_step, batch\_size, hidden\_size)` 的Tensor。数据类型为float16。
|
||||
- **output_c** (Tensor) - 所有时刻的Cell状态的输出向量，shape为 :math:`(num\_step, batch\_size, hidden\_size)` 的Tensor。数据类型与输入 `b` 相同。
|
||||
- **i** (Tensor) - 更新输入门的权重，shape为 :math:`(num\_step, batch\_size, hidden\_size)` 的Tensor。数据类型与输入 `b` 相同。
|
||||
- **j** (Tensor) - 更新新门的权重，shape为 :math:`(num\_step, batch\_size, hidden\_size)` 的Tensor。数据类型与输入 `b` 相同。
|
||||
- **f** (Tensor) - 更新遗忘门的权重，shape为 :math:`(num\_step, batch\_size, hidden\_size)` 的Tensor。数据类型输入 `b` 相同。
|
||||
- **o** (Tensor) - 更新输出门的权重，shape为 :math:`(num\_step, batch\_size, hidden\_size)` 的Tensor。数据类型与输入 `b` 相同。
|
||||
- **tanhct** (Tensor) - 更新tanh的权重，shape为 :math:`(num\_step, batch\_size, hidden\_size)` 的Tensor。数据类型与输入 `b` 相同。
|
||||
|
||||
- **x** (Tensor) - 输入的词汇。shape为 :math:`(num\_step, batch\_size, input\_size)` 的Tensor。数据类型必须为float16。
|
||||
- **w** (Tensor) - 输入的权重。shape为 :math:`(input\_size + hidden\_size, 4 * hidden\_size)` 的Tensor。数据类型必须为float16。
|
||||
- **b** (Tensor) - 输入的偏置。shape为 :math:`(4 * hidden\_size)` 的Tensor。数据类型必须为float16或float32。
|
||||
- **seq_length** (Tensor) - 每个批次中句子的真实长度。shape为 :math:`(batch\_size, )` 的Tensor。当前仅支持None。
|
||||
- **init_h** (Tensor) - 在初始时刻的隐藏状态。shape为 :math:`(1, batch\_size, hidden\_size)` 的Tensor。数据类型必须为float16。
|
||||
- **init_c** (Tensor) - 在初始时刻的Cell状态。shape为 :math:`(1, batch\_size, hidden\_size)` 的Tensor。数据类型必须为float16。
|
||||
|
||||
**输出：**
|
||||
|
||||
- **y** (Tensor) - 所有时刻输出层的输出向量，shape为 :math:`(num\_step, batch\_size, hidden\_size)` 的Tensor。数据类型与输入 `b` 相同。
|
||||
- **output_h** (Tensor) - 所有时刻输出层的输出向量，shape为 :math:`(num\_step, batch\_size, hidden\_size)` 的Tensor。数据类型为float16。
|
||||
- **output_c** (Tensor) - 所有时刻的Cell状态的输出向量，shape为 :math:`(num\_step, batch\_size, hidden\_size)` 的Tensor。数据类型与输入 `b` 相同。
|
||||
- **i** (Tensor) - 更新输入门的权重，shape为 :math:`(num\_step, batch\_size, hidden\_size)` 的Tensor。数据类型与输入 `b` 相同。
|
||||
- **j** (Tensor) - 更新新门的权重，shape为 :math:`(num\_step, batch\_size, hidden\_size)` 的Tensor。数据类型与输入 `b` 相同。
|
||||
- **f** (Tensor) - 更新遗忘门的权重，shape为 :math:`(num\_step, batch\_size, hidden\_size)` 的Tensor。数据类型输入 `b` 相同。
|
||||
- **o** (Tensor) - 更新输出门的权重，shape为 :math:`(num\_step, batch\_size, hidden\_size)` 的Tensor。数据类型与输入 `b` 相同。
|
||||
- **tanhct** (Tensor) - 更新tanh的权重，shape为 :math:`(num\_step, batch\_size, hidden\_size)` 的Tensor。数据类型与输入 `b` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `cell_type` 、 `direction` 或 `activation` 不是str。
|
||||
- **TypeError** - `cell_Deep` 或 `num_proj` 不是int。
|
||||
- **TypeError** - `keep_prob` 、 `cell_clip` 或 `forget_bias` 不是float。
|
||||
- **TypeError** - `use_peehpol` 、 `time_major` 或 `is_training` 不是bool。
|
||||
- **TypeError** - `x` 、 `w` 、 `b` 、 `seq_length` 、 `init_h` 或 `init_c` 不是Tensor。
|
||||
- **TypeError** - `x` 、 `w` 、 `init_h` 或 `nit_c` 的数据类型不是float16。
|
||||
- **TypeError** - `b` 的数据类型既不是float16也不是float32。
|
||||
异常：
|
||||
- **TypeError** - `cell_type` 、 `direction` 或 `activation` 不是str。
|
||||
- **TypeError** - `cell_Deep` 或 `num_proj` 不是int。
|
||||
- **TypeError** - `keep_prob` 、 `cell_clip` 或 `forget_bias` 不是float。
|
||||
- **TypeError** - `use_peehpol` 、 `time_major` 或 `is_training` 不是bool。
|
||||
- **TypeError** - `x` 、 `w` 、 `b` 、 `seq_length` 、 `init_h` 或 `init_c` 不是Tensor。
|
||||
- **TypeError** - `x` 、 `w` 、 `init_h` 或 `nit_c` 的数据类型不是float16。
|
||||
- **TypeError** - `b` 的数据类型既不是float16也不是float32。
|
||||
|
|
|
|||
|
|
@ -17,20 +17,16 @@ mindspore.ops.Elu
|
|||
|
||||
ELU相关图参见 `ELU <https://en.wikipedia.org/wiki/Activation_function#/media/File:Activation_elu.svg>`_ 。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **alpha** (float) - Elu的alpha值，数据类型为浮点数。目前只支持alpha等于1.0，默认值：1.0。
|
||||
|
||||
- **alpha** (float) - Elu的alpha值，数据类型为浮点数。目前只支持alpha等于1.0，默认值：1.0。
|
||||
输入：
|
||||
- **input_x** (Tensor) - 用于计算Elu的任意维度的Tensor，数据类型为float16或float32。
|
||||
|
||||
**输入：**
|
||||
输出：
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**input_x** (Tensor) - 用于计算Elu的任意维度的Tensor，数据类型为float16或float32。
|
||||
|
||||
**输出：**
|
||||
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `alpha` 不是float。
|
||||
- **TypeError** - `x` 的数据类型既不是float16也不是float32。
|
||||
- **ValueError** - `alpha` 不等于1.0。
|
||||
异常：
|
||||
- **TypeError** - `alpha` 不是float。
|
||||
- **TypeError** - `x` 的数据类型既不是float16也不是float32。
|
||||
- **ValueError** - `alpha` 不等于1.0。
|
||||
|
|
|
|||
|
|
@ -7,17 +7,14 @@ mindspore.ops.EmbeddingLookup
|
|||
|
||||
此算子在 `axis = 0` 上的运行与GatherV2的功能相似，只是多一个 `offset` 输入。
|
||||
|
||||
**输入：**
|
||||
输入：
|
||||
- **input_params** (Tensor) - shape为 :math:`(x_1, x_2, ..., x_R)` 的Tensor。是一个Tensor切片。当前，只支持二维。
|
||||
- **input_indices** (Tensor) - shape为 :math:`(y_1, y_2, ..., y_S)` 的Tensor。指定输入Tensor元素的索引。当取值超出 `input_params` 在该维度的最大长度时，超出部分将返回0值。不支持负值，否则结果将未定义。其数据类型为int32或int64。
|
||||
- **offset** (int) - 指定 `input_params` 切片的偏移值。实际索引等于 `input_indices` 减去 `offset` 。
|
||||
|
||||
- **input_params** (Tensor) - shape为 :math:`(x_1, x_2, ..., x_R)` 的Tensor。是一个Tensor切片。当前，只支持二维。
|
||||
- **input_indices** (Tensor) - shape为 :math:`(y_1, y_2, ..., y_S)` 的Tensor。指定输入Tensor元素的索引。当取值超出 `input_params` 在该维度的最大长度时，超出部分将返回0值。不支持负值，否则结果将未定义。其数据类型为int32或int64。
|
||||
- **offset** (int) - 指定 `input_params` 切片的偏移值。实际索引等于 `input_indices` 减去 `offset` 。
|
||||
|
||||
**输出：**
|
||||
输出：
|
||||
Tensor，shape为 :math:`(z_1, z_2, ..., z_N)` 的Tensor。数据类型与 `input_params` 相同。
|
||||
|
||||
Tensor，shape为 :math:`(z_1, z_2, ..., z_N)` 的Tensor。数据类型与 `input_params` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `input_indices` 的数据类型不是int。
|
||||
- **ValueError** - `input_params` 的shape长度大于2。
|
||||
异常：
|
||||
- **TypeError** - `input_indices` 的数据类型不是int。
|
||||
- **ValueError** - `input_params` 的shape长度大于2。
|
||||
|
|
@ -5,15 +5,12 @@ mindspore.ops.Eps
|
|||
|
||||
创建一个与输入数据类型和shape都相同的Tensor，元素值为对应数据类型能表达的最小值。
|
||||
|
||||
**输入：**
|
||||
输入：
|
||||
- **x** (Tensor) - 用于获取其数据类型能表达的最小值的任意维度的Tensor。数据类型必须为float16，float32或者float64。
|
||||
|
||||
- **x** (Tensor) - 用于获取其数据类型能表达的最小值的任意维度的Tensor。数据类型必须为float16，float32或者float64。
|
||||
输出：
|
||||
Tensor，具有与 `x` 相同的数据类型和shape，填充了 `x` 数据类型的最小值。
|
||||
|
||||
**输出：**
|
||||
|
||||
Tensor，具有与 `x` 相同的数据类型和shape，填充了 `x` 数据类型的最小值。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16或者float32。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16或者float32。
|
||||
|
|
|
|||
|
|
@ -21,29 +21,26 @@ mindspore.ops.adaptive_avg_pool2d
|
|||
* (w_{end}- w_{start})}
|
||||
\end{align}
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Tensor) - adaptive_avg_pool2d的输入，为三维或四维的Tensor，数据类型为float16、float32或者float64。
|
||||
- **output_size** (Union[int, tuple]) - 输出特征图的尺寸为H * W。可以是int类型的H和W组成的tuple，或代表相同H和W的一个int值，或None，如果是None，则意味着输出大小与输入相同。
|
||||
|
||||
- **input_x** (Tensor) - adaptive_avg_pool2d的输入，为三维或四维的Tensor，数据类型为float16、float32或者float64。
|
||||
- **output_size** (Union[int, tuple]) - 输出特征图的尺寸为H * W。可以是int类型的H和W组成的tuple，或代表相同H和W的一个int值，或None，如果是None，则意味着输出大小与输入相同。
|
||||
返回：
|
||||
Tensor，数据类型与 `input_x` 相同。
|
||||
|
||||
**返回：**
|
||||
输出的shape为 `input_x_shape[:len(input_x_shape) - len(out_shape)] + out_shape` 。
|
||||
|
||||
Tensor，数据类型与 `input_x` 相同。
|
||||
.. math::
|
||||
out\_shape = \begin{cases}
|
||||
input\_x\_shape[-2] + output\_size[1], & \text{if output_size is (None, w);}\\
|
||||
output\_size[0] + input\_x\_shape[-1], & \text{if output_size is (h, None);}\\
|
||||
input\_x\_shape[-2:], & \text{if output_size is (None, None);}\\
|
||||
(h, h), & \text{if output_size is h;}\\
|
||||
(h, w), & \text{if output_size is (h, w)}
|
||||
\end{cases}
|
||||
|
||||
输出的shape为 `input_x_shape[:len(input_x_shape) - len(out_shape)] + out_shape` 。
|
||||
|
||||
.. math::
|
||||
out\_shape = \begin{cases}
|
||||
input\_x\_shape[-2] + output\_size[1], & \text{if output_size is (None, w);}\\
|
||||
output\_size[0] + input\_x\_shape[-1], & \text{if output_size is (h, None);}\\
|
||||
input\_x\_shape[-2:], & \text{if output_size is (None, None);}\\
|
||||
(h, h), & \text{if output_size is h;}\\
|
||||
(h, w), & \text{if output_size is (h, w)}
|
||||
\end{cases}
|
||||
|
||||
**异常：**
|
||||
|
||||
- **ValueError** - 如果 `output_size` 是tuple，并且 `output_size` 的长度不是2。
|
||||
- **ValueError** - 如果 `input_x` 的维度小于或等于 `output_size` 的维度。
|
||||
- **TypeError** - 如果 `input_x` 不是Tensor。
|
||||
- **TypeError** - 如果 `input_x` 的数据类型不是float16、float32或者float64。
|
||||
异常：
|
||||
- **ValueError** - 如果 `output_size` 是tuple，并且 `output_size` 的长度不是2。
|
||||
- **ValueError** - 如果 `input_x` 的维度小于或等于 `output_size` 的维度。
|
||||
- **TypeError** - 如果 `input_x` 不是Tensor。
|
||||
- **TypeError** - 如果 `input_x` 的数据类型不是float16、float32或者float64。
|
||||
|
|
|
|||
|
|
@ -22,23 +22,20 @@ mindspore.ops.adaptive_max_pool2d
|
|||
.. note::
|
||||
Ascend平台input_x参数仅支持float16类型。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Tensor) - adaptive_max_pool2d的输入，为三维或四维的Tensor，数据类型为float16、float32或者float64。
|
||||
- **output_size** (Union[int, tuple]) - 输出特征图的尺寸为H * W。可以是int类型的H和W组成的tuple，或代表相同H和W的一个int值，或None，如果是None，则意味着输出大小与输入相同。
|
||||
- **return_indices** (bool) - 如果为True，输出最大值的索引，默认值为False。
|
||||
|
||||
- **input_x** (Tensor) - adaptive_max_pool2d的输入，为三维或四维的Tensor，数据类型为float16、float32或者float64。
|
||||
- **output_size** (Union[int, tuple]) - 输出特征图的尺寸为H * W。可以是int类型的H和W组成的tuple，或代表相同H和W的一个int值，或None，如果是None，则意味着输出大小与输入相同。
|
||||
- **return_indices** (bool) - 如果为True，输出最大值的索引，默认值为False。
|
||||
返回：
|
||||
Tensor，数据类型与 `input_x` 相同。
|
||||
|
||||
**返回：**
|
||||
输出的shape为 `input_x_shape[:len(input_x_shape) - len(out_shape)] + out_shape` 。
|
||||
|
||||
Tensor，数据类型与 `input_x` 相同。
|
||||
|
||||
输出的shape为 `input_x_shape[:len(input_x_shape) - len(out_shape)] + out_shape` 。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `input_x` 不是Tensor。
|
||||
- **TypeError** - `input_x` 中的数据不是float16, float32, float64.
|
||||
- **TypeError** - `output_size` 不是int或者tuple。
|
||||
- **TypeError** - `return_indices` 不是bool。
|
||||
- **ValueError** - `output_size` 是tuple，但大小不是2。
|
||||
- **ValueError** - `input_x` 的维度不是CHW或者NCHW。
|
||||
异常：
|
||||
- **TypeError** - `input_x` 不是Tensor。
|
||||
- **TypeError** - `input_x` 中的数据不是float16, float32, float64.
|
||||
- **TypeError** - `output_size` 不是int或者tuple。
|
||||
- **TypeError** - `return_indices` 不是bool。
|
||||
- **ValueError** - `output_size` 是tuple，但大小不是2。
|
||||
- **ValueError** - `input_x` 的维度不是CHW或者NCHW。
|
||||
|
|
|
|||
|
|
@ -7,20 +7,17 @@ mindspore.ops.adaptive_max_pool3d
|
|||
|
||||
对于任何输入尺寸，输出的大小为 :math:`(D, H, W)` ，其中输出特征的数量与输入特征的数量相同。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - shape为 :math:`(C, D, H, W)` 或 :math:`(N，C, D, H, W)` 的Tensor，支持的数据类型包括int8、int16、int32、int64、uint8、uint16、uint32、uint64、float16、float32、float64。
|
||||
- **output_size** (Union[int, tuple]) - 表示输出特征图的尺寸，输入可以是个tuple :math:`(D, H, W)`，也可以是一个int值D来表示输出尺寸为 :math:`(D, D, D)` 。:math:`D` ， :math:`H` 和 :math:`W` 可以是int型整数或者None，其中None表示输出大小与对应的输入的大小相同。
|
||||
- **return_indices** (bool) - 如果 `return_indices` 为True，将会输出最大值对应的索引，否则不输出索引。默认值为False。
|
||||
|
||||
- **x** (Tensor) - shape为 :math:`(C, D, H, W)` 或 :math:`(N，C, D, H, W)` 的Tensor，支持的数据类型包括int8、int16、int32、int64、uint8、uint16、uint32、uint64、float16、float32、float64。
|
||||
- **output_size** (Union[int, tuple]) - 表示输出特征图的尺寸，输入可以是个tuple :math:`(D, H, W)`，也可以是一个int值D来表示输出尺寸为 :math:`(D, D, D)` 。:math:`D` ， :math:`H` 和 :math:`W` 可以是int型整数或者None，其中None表示输出大小与对应的输入的大小相同。
|
||||
- **return_indices** (bool) - 如果 `return_indices` 为True，将会输出最大值对应的索引，否则不输出索引。默认为False。
|
||||
返回：
|
||||
- **y** (Tensor) - Tensor，与输入 `x` 的数据类型和维度相同。
|
||||
- **argmax** (Tensor) - Tensor，最大值对应的索引，数据类型为int32，并与 `y` 的shape相同。仅当 `return_indices` 为True的时候才返回该值。
|
||||
|
||||
**返回：**
|
||||
|
||||
- **y** (Tensor) - Tensor，与输入 `x` 的数据类型和维度相同。
|
||||
- **argmax** (Tensor) - Tensor，最大值对应的索引，数据类型为int32，并与 `y` 的shape相同。仅当 `return_indices` 为True的时候才返回该值。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **ValueError** - `x` 的维度不是4D或者5D。
|
||||
- **TypeError** - `x` 的数据类型不是int8、int16、int32、int64、uint8、uint16、uint32、uint64、float16、float32、float64其中之一。
|
||||
- **ValueError** - `output_size` 不是一个int整数或者shape为(3,)的tuple。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **ValueError** - `x` 的维度不是4D或者5D。
|
||||
- **TypeError** - `x` 的数据类型不是int8、int16、int32、int64、uint8、uint16、uint32、uint64、float16、float32、float64其中之一。
|
||||
- **ValueError** - `output_size` 不是一个int整数或者shape为(3,)的tuple。
|
||||
|
|
|
|||
|
|
@ -15,15 +15,12 @@ mindspore.ops.add
|
|||
- 当输入是两个Tensor时，它们的数据类型不能同时是bool，并保证其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。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Union[Tensor, number.Number, bool]) - 第一个输入，是一个number.Number、bool值或数据类型为 `number <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 或 `bool_ <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 的Tensor。
|
||||
- **y** (Union[Tensor, number.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.Number或bool值，或数据类型为number或bool_的Tensor。当第一个输入是Scalar时，第二个输入必须是数据类型为number或bool_的Tensor。
|
||||
|
||||
- **x** (Union[Tensor, number.Number, bool]) - 第一个输入，是一个number.Number、bool值或数据类型为 `number <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 或 `bool_ <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 的Tensor。
|
||||
- **y** (Union[Tensor, number.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.Number或bool值，或数据类型为number或bool_的Tensor。当第一个输入是Scalar时，第二个输入必须是数据类型为number或bool_的Tensor。
|
||||
返回：
|
||||
Tensor，shape与输入 `x`，`y` 广播后的shape相同，数据类型为两个输入中精度较高的类型。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape与输入 `x`，`y` 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.Number或bool。
|
||||
异常：
|
||||
- **TypeError** - `x` 和 `y` 不是Tensor、number.Number或bool。
|
||||
|
|
|
|||
|
|
@ -7,15 +7,12 @@ mindspore.ops.addn
|
|||
|
||||
所有输入Tensor必须具有相同的shape。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Union(tuple[Tensor], list[Tensor])) - Tensor组成的tuble或list，类型为 `bool_ <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 或 `number <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 。
|
||||
|
||||
- **x** (Union(tuple[Tensor], list[Tensor])) - Tensor组成的tuble或list，类型为 `bool_ <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 或 `number <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 。
|
||||
返回：
|
||||
Tensor，与 `x` 的每个Tensor具有相同的shape和数据类型。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，与 `x` 的每个Tensor具有相同的shape和数据类型。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 既不是tuple，也不是list。
|
||||
- **ValueError** - `x` 中存在shape不同的Tensor。
|
||||
异常：
|
||||
- **TypeError** - `x` 既不是tuple，也不是list。
|
||||
- **ValueError** - `x` 中存在shape不同的Tensor。
|
||||
|
|
|
|||
|
|
@ -5,20 +5,17 @@ mindspore.ops.affine_grid
|
|||
|
||||
给定一批仿射矩阵 theta，生成 2D 或 3D 流场（采样网格）。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **theta** (Tensor) - 仿射矩阵输入，其形状为 (N, 2, 3) 用于 2D 或 (N, 3, 4) 用于 3D。
|
||||
- **output_size** (tuple[int]) - 目标输出图像大小。 其值为 (N, C, H, W) 用于 2D 或 (N, C, D, H, W) 用于 3D。示例：`(32, 3, 24, 24)`。
|
||||
- **align_corners** (bool) - 在几何上，我们将输入的像素视为正方形而不是点。如果设置为True，则极值 -1 和 1 被认为是指输入角像素的中心点。如果设置为False，则它们被认为是指输入角像素的角点，从而使采样与分辨率无关。默认值：False。
|
||||
|
||||
- **theta** (Tensor) - 仿射矩阵输入，其形状为 (N, 2, 3) 用于 2D 或 (N, 3, 4) 用于 3D。
|
||||
- **output_size** (tuple[int]) - 目标输出图像大小。 其值为 (N, C, H, W) 用于 2D 或 (N, C, D, H, W) 用于 3D。示例：`(32, 3, 24, 24)`。
|
||||
- **align_corners** (bool) - 在几何上，我们将输入的像素视为正方形而不是点。如果设置为True，则极值 -1 和 1 被认为是指输入角像素的中心点。如果设置为False，则它们被认为是指输入角像素的角点，从而使采样与分辨率无关。默认值：False。
|
||||
返回：
|
||||
Tensor，其数据类型与 `theta` 相同，其形状为 (N, H, W, 2) 用于 2D 或 (N, D, H, W, 3) 用于 3D。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，其数据类型与 `theta` 相同，其形状为 (N, H, W, 2) 用于 2D 或 (N, D, H, W, 3) 用于 3D。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `theta` 不是Tensor或 `output_size` 不是tuple。
|
||||
- **ValueError** - `theta` 的形状不是 (N, 2, 3) 或 (N, 3, 4)。
|
||||
- **ValueError** - `output_size` 的长度不是 4 或 5。
|
||||
- **ValueError** - `theta` 的形状是 (N, 2, 3)，`output_size` 的长度却不是4； `theta` 的形状是 (N, 3, 4)，`output_size` 的长度却不是5。
|
||||
- **ValueError** - `output_size` 的第一个值不等于 `theta` 的第一维的长度。
|
||||
异常：
|
||||
- **TypeError** - `theta` 不是Tensor或 `output_size` 不是tuple。
|
||||
- **ValueError** - `theta` 的形状不是 (N, 2, 3) 或 (N, 3, 4)。
|
||||
- **ValueError** - `output_size` 的长度不是 4 或 5。
|
||||
- **ValueError** - `theta` 的形状是 (N, 2, 3)，`output_size` 的长度却不是4； `theta` 的形状是 (N, 3, 4)，`output_size` 的长度却不是5。
|
||||
- **ValueError** - `output_size` 的第一个值不等于 `theta` 的第一维的长度。
|
||||
|
|
|
|||
|
|
@ -5,18 +5,15 @@ mindspore.ops.arange
|
|||
|
||||
根据给定的范围返回指定均匀间隔的数据。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **start** (Union[int, float]) - 指定范围的起始值，范围包含该值。类型为int或float。
|
||||
- **stop** (Union[int, float]) - 指定范围的结束值，范围不包含该值。类型为int或float。
|
||||
- **step** (Union[int, float]) - 指定取值的间隔。类型为int或float。
|
||||
- **rtype** (Union[mindspore.dtype, str]) - 指定返回数据的类型，如果不指定，则会根据 `start` 、 `stop` 、 `step` 的值推断类型。
|
||||
|
||||
- **start** (Union[int, float]) - 指定范围的起始值，范围包含该值。类型为int或float。
|
||||
- **stop** (Union[int, float]) - 指定范围的结束值，范围不包含该值。类型为int或float。
|
||||
- **step** (Union[int, float]) - 指定取值的间隔。类型为int或float。
|
||||
- **rtype** (Union[mindspore.dtype, str]) - 指定返回数据的类型，如果不指定，则会根据 `start` 、 `stop` 、 `step` 的值推断类型。
|
||||
返回：
|
||||
Tensor，值是均匀间隔的数据，类型为给定或推断的结果。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，值是均匀间隔的数据，类型为给定或推断的结果。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `start` 、 `stop` 、 `step` 的类型不是int或float。
|
||||
- **ValueError** - `start` 的值大于等于 `stop` 。
|
||||
异常：
|
||||
- **TypeError** - `start` 、 `stop` 、 `step` 的类型不是int或float。
|
||||
- **ValueError** - `start` 的值大于等于 `stop` 。
|
||||
|
|
@ -7,15 +7,12 @@ mindspore.ops.argmin
|
|||
|
||||
如果输入Tensor的shape为 :math:`(x_1, ..., x_N)` ，则输出Tensor的shape为 :math:`(x_1, ..., x_{axis-1}, x_{axis+1}, ..., x_N)` 。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - shape非空，任意维度的Tensor。
|
||||
- **axis** (int) - 指定计算轴。默认值：-1。
|
||||
|
||||
- **x** (Tensor) - shape非空，任意维度的Tensor。
|
||||
- **axis** (int) - 指定计算轴。默认值：-1。
|
||||
返回：
|
||||
Tensor，输出为指定轴上输入Tensor最小值的索引。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，输出为指定轴上输入Tensor最小值的索引。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `axis` 不是int。
|
||||
异常：
|
||||
- **TypeError** - `axis` 不是int。
|
||||
|
|
|
|||
|
|
@ -10,16 +10,13 @@ mindspore.ops.assign_sub
|
|||
.. Note::
|
||||
由于 `variable` 类型为 `Parameter` ，其数据类型不能改变。因此只允许 `value` 的数据类型转变为 `variable` 的数据类型。而且由于不同设备支持的转换类型会有所不同，推荐在使用此操作时使用相同的数据类型。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **variable** (Parameter) - 待更新的网络参数，shape: :math:`(N,*)` ，其中 :math:`*` 表示任何数量的附加维度。其轶应小于8。
|
||||
- **value** (Union[numbers.Number, Tensor]) - 从 `variable` 减去的值。如果类型为Tensor则应与 `variable` 的shape相同。使用此操作时推荐使用相同的数据类型。
|
||||
|
||||
- **variable** (Parameter) - 待更新的网络参数，shape: :math:`(N,*)` ，其中 :math:`*` 表示任何数量的附加维度。其轶应小于8。
|
||||
- **value** (Union[numbers.Number, Tensor]) - 从 `variable` 减去的值。如果类型为Tensor则应与 `variable` 的shape相同。使用此操作时推荐使用相同的数据类型。
|
||||
返回：
|
||||
Tensor，shape和数据类型与 `variable` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和数据类型与 `variable` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `value` 不是标量或Tensor。
|
||||
- **RuntimeError** - `variable` 与 `value` 之间的类型转换不被支持。
|
||||
异常：
|
||||
- **TypeError** - `value` 不是标量或Tensor。
|
||||
- **RuntimeError** - `variable` 与 `value` 之间的类型转换不被支持。
|
||||
|
|
|
|||
|
|
@ -8,16 +8,13 @@ mindspore.ops.atan2
|
|||
返回 :math:`\theta\ \in\ [-\pi, \pi]` ，使得 :math:`x = r*\sin(\theta), y = r*\cos(\theta)` ， 其中 :math:`r = \sqrt{x^2 + y^2}` 。
|
||||
输入 `x` 和 `y` 会通过隐式数据类型转换使数据类型保持一致。如果数据类型不同，低精度的数据类型会被转换到高精度的数据类型。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 输入Tensor，shape: :math:`(N,*)` ，其中 :math:`*` 表示任何数量的附加维度。
|
||||
- **y** (Tensor) - 输入Tensor，shape应能在广播后与 `x` 相同，或 `x` 的shape在广播后与 `y` 相同。
|
||||
|
||||
- **x** (Tensor) - 输入Tensor，shape: :math:`(N,*)` ，其中 :math:`*` 表示任何数量的附加维度。
|
||||
- **y** (Tensor) - 输入Tensor，shape应能在广播后与 `x` 相同，或 `x` 的shape在广播后与 `y` 相同。
|
||||
返回：
|
||||
Tensor，与广播后的输入shape相同，和 `x` 数据类型相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，与广播后的输入shape相同，和 `x` 数据类型相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 或 `y` 不是Tensor。
|
||||
- **RuntimeError** - `x` 与 `y` 之间的数据类型转换不被支持
|
||||
异常：
|
||||
- **TypeError** - `x` 或 `y` 不是Tensor。
|
||||
- **RuntimeError** - `x` 与 `y` 之间的数据类型转换不被支持
|
||||
|
|
|
|||
|
|
@ -16,26 +16,23 @@ mindspore.ops.avg_pool2d
|
|||
- 在Ascend上，`kernel_size` 的高度和宽度取值为[1, 255]范围内的正整数。 其高度和宽度相乘小于256。
|
||||
- 由于指令限制，`strides` 的取值为[1, 63]范围内的正整数。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 输入shape为 :math:`(N, C_{in}, H_{in}, W_{in})` 的Tensor。
|
||||
- **kernel_size** (Union[int, tuple[int]]) - 指定池化核尺寸大小，可以是单个整数表示池化核高度和宽度，或者整数tuple分别表示池化核高度和宽度。默认值：1。
|
||||
- **strides** (Union[int, tuple[int]]) - 池化操作的移动步长，可以是单个整数表示高度和宽度方向的移动步长，或者整数tuple分别表示高度和宽度方向的移动步长。默认值：1。
|
||||
- **pad_mode** (str) - 指定池化填充模式，取值为'same'或'valid'，不区分大小写。默认值：'valid'。
|
||||
|
||||
- **x** (Tensor) - 输入shape为 :math:`(N, C_{in}, H_{in}, W_{in})` 的Tensor。
|
||||
- **kernel_size** (Union[int, tuple[int]]) - 指定池化核尺寸大小，可以是单个整数表示池化核高度和宽度，或者整数tuple分别表示池化核高度和宽度。默认值：1。
|
||||
- **strides** (Union[int, tuple[int]]) - 池化操作的移动步长，可以是单个整数表示高度和宽度方向的移动步长，或者整数tuple分别表示高度和宽度方向的移动步长。默认值：1。
|
||||
- **pad_mode** (str) - 指定池化填充模式，取值为'same'或'valid'，不区分大小写。默认值：'valid'。
|
||||
- **same** - 输出的高度和宽度分别与输入整除 `strides` 后的值相同。
|
||||
- **valid** - 在不填充的前提下返回有效计算所得的输出。不满足计算的多余像素会被丢弃。
|
||||
|
||||
- **same** - 输出的高度和宽度分别与输入整除 `strides` 后的值相同。
|
||||
- **valid** - 在不填充的前提下返回有效计算所得的输出。不满足计算的多余像素会被丢弃。
|
||||
- **data_format** (str) - 指定输入和输出的数据格式。取值为'NHWC'或'NCHW'。默认值：'NCHW'。
|
||||
|
||||
- **data_format** (str) - 指定输入和输出的数据格式。取值为'NHWC'或'NCHW'。默认值：'NCHW'。
|
||||
返回：
|
||||
Tensor，shape为 :math:`(N,C_{out},H_{out},W_{out})` 。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape为 :math:`(N,C_{out},H_{out},W_{out})` 。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `kernel_size` 或 `strides` 既不是int也不是tuple。
|
||||
- **ValueError** - `kernel_size` 或 `strides` 小于1。
|
||||
- **ValueError** - `pad_mode` 既不是'valid'，也不是'same'，不区分大小写。
|
||||
- **ValueError** - `data_format` 既不是'NCHW'也不是'NHWC'。
|
||||
- **ValueError** - `x` 的shape长度不等于4。
|
||||
异常：
|
||||
- **TypeError** - `kernel_size` 或 `strides` 既不是int也不是tuple。
|
||||
- **ValueError** - `kernel_size` 或 `strides` 小于1。
|
||||
- **ValueError** - `pad_mode` 既不是'valid'，也不是'same'，不区分大小写。
|
||||
- **ValueError** - `data_format` 既不是'NCHW'也不是'NHWC'。
|
||||
- **ValueError** - `x` 的shape长度不等于4。
|
||||
|
|
@ -8,25 +8,21 @@ mindspore.ops.batch_dot
|
|||
.. math::
|
||||
output = x1[batch, :]* x2[batch, :]
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x1** (Tensor) - 第一个输入Tensor，数据类型为float32且 `x1` 的秩必须大于或等于2。
|
||||
- **x2** (Tensor) - 第二个输入Tensor，数据类型为float32。 `x2` 的数据类型应与 `x1` 相同，`x2` 的秩必须大于或等于2。
|
||||
- **axes** (Union[int, tuple(int), list(int)]) - 指定为单值或长度为2的tuple和list，分别指定 `a` 和 `b` 的维度。如果传递了单个值 `N`，则自动从输入 `a` 的shape中获取最后N个维度，从输入 `b` 的shape中获取最后N个维度，分别作为每个维度的轴。默认值：None。
|
||||
|
||||
- **x1** (Tensor) - 第一个输入Tensor，数据类型为float32且 `x1` 的秩必须大于或等于2。
|
||||
- **x2** (Tensor) - 第二个输入Tensor，数据类型为float32。 `x2` 的数据类型应与 `x1` 相同，`x2` 的秩必须大于或等于2。
|
||||
- **axes** (Union[int, tuple(int), list(int)]) - 指定为单值或长度为2的tuple和list，分别指定 `a` 和 `b` 的维度。如果传递了单个值 `N`，则自动从输入 `a` 的shape中获取最后N个维度，从输入 `b` 的shape中获取最后N个维度，分别作为每个维度的轴。默认值：None。
|
||||
返回：
|
||||
Tensor， `x1` 和 `x2` 的批量点积。例如：输入 `x1` 的shape为(batch, d1, axes, d2)，`x2` shape为(batch, d3, axes, d4)，则输出shape为(batch, d1, d2, d3, d4)，其中d1和d2表示任意数字。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor， `x1` 和 `x2` 的批量点积。例如：输入 `x1` 的shape为(batch, d1, axes, d2)，`x2` shape为(batch, d3, axes, d4)，则输出shape为(batch, d1, d2, d3, d4)，其中d1和d2表示任意数字。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x1` 和 `x2` 的类型不相同。
|
||||
- **TypeError** - `x1` 或 `x2` 的数据类型不是float32。
|
||||
- **ValueError** - `x1` 或 `x2` 的秩小于2。
|
||||
- **ValueError** - 在轴中使用了代表批量的维度。
|
||||
- **ValueError** - `axes` 的长度小于2。
|
||||
- **ValueError** - `axes` 不是其一：None，int，或(int, int)。
|
||||
- **ValueError** - 如果 `axes` 为负值，低于输入数组的维度。
|
||||
- **ValueError** - 如果 `axes` 的值高于输入数组的维度。
|
||||
- **ValueError** - `x1` 和 `x2` 的批处理大小不相同。
|
||||
|
||||
异常：
|
||||
- **TypeError** - `x1` 和 `x2` 的类型不相同。
|
||||
- **TypeError** - `x1` 或 `x2` 的数据类型不是float32。
|
||||
- **ValueError** - `x1` 或 `x2` 的秩小于2。
|
||||
- **ValueError** - 在轴中使用了代表批量的维度。
|
||||
- **ValueError** - `axes` 的长度小于2。
|
||||
- **ValueError** - `axes` 不是其一：None，int，或(int, int)。
|
||||
- **ValueError** - 如果 `axes` 为负值，低于输入数组的维度。
|
||||
- **ValueError** - 如果 `axes` 的值高于输入数组的维度。
|
||||
- **ValueError** - `x1` 和 `x2` 的批处理大小不相同。
|
||||
|
|
|
|||
|
|
@ -18,22 +18,19 @@ mindspore.ops.batch_to_space_nd
|
|||
|
||||
:math:`w' = w*block\_shape[1]-crops[1][0]-crops[1][1]`
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Tensor) - 输入张量，必须大于或者等于四维（Ascend平台必须为4维）。批次维度需能被 `block_shape` 整除。支持数据类型float16和float32。
|
||||
- **block_shape** (list[int], tuple[int], int) - 分割批次维度的块的数量，取值需大于1。
|
||||
- **crops** (tuple, list) - 空间维度的裁剪大小，包含两个长度为2的list，分别对应空间维度H和W。取值需大于或等于0，同时要求 `input_shape[i+2] * block_shape[i] > crops[i][0] + crops[i][1]` 。
|
||||
|
||||
- **input_x** (Tensor) - 输入张量，必须大于或者等于四维（Ascend平台必须为4维）。批次维度需能被 `block_shape` 整除。支持数据类型float16和float32。
|
||||
- **block_shape** (list[int], tuple[int], int) - 分割批次维度的块的数量，取值需大于1。
|
||||
- **crops** (tuple, list) - 空间维度的裁剪大小，包含两个长度为2的list，分别对应空间维度H和W。取值需大于或等于0，同时要求 `input_shape[i+2] * block_shape[i] > crops[i][0] + crops[i][1]` 。
|
||||
返回：
|
||||
Tensor，经过划分排列之后的结果。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，经过划分排列之后的结果。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 如果 `block_shape` 不是 list, tuple 或者 int。
|
||||
- **TypeError** - 如果 `crops` 不是 list 或者 tuple。
|
||||
- **ValueError** - 如果当 `block_shape` 为 list 或 tuple， `block_shape` 不是一维。
|
||||
- **ValueError** - 如果 `block_shape` 或 `crops` 长度不是2。
|
||||
- **ValueError** - 如果 `block_shape` 的元素不是大于一的整数。
|
||||
- **ValueError** - 如果 `crops` 的形状不是 (M, 2), 其中 M 为 `block_shape` 的长度。
|
||||
- **ValueError** - 如果 `crops` 的元素不是非负的整数。
|
||||
异常：
|
||||
- **TypeError** - 如果 `block_shape` 不是 list, tuple 或者 int。
|
||||
- **TypeError** - 如果 `crops` 不是 list 或者 tuple。
|
||||
- **ValueError** - 如果当 `block_shape` 为 list 或 tuple， `block_shape` 不是一维。
|
||||
- **ValueError** - 如果 `block_shape` 或 `crops` 长度不是2。
|
||||
- **ValueError** - 如果 `block_shape` 的元素不是大于一的整数。
|
||||
- **ValueError** - 如果 `crops` 的形状不是 (M, 2), 其中 M 为 `block_shape` 的长度。
|
||||
- **ValueError** - 如果 `crops` 的元素不是非负的整数。
|
||||
|
|
|
|||
|
|
@ -9,20 +9,17 @@ mindspore.ops.bernoulli
|
|||
|
||||
out_{i} \sim Bernoulli(p_{i})
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 任意维度的Tensor，其数据类型为int8, uint8, int16, int32，int64，bool, float32或float64。
|
||||
- **p** (Union[Tensor, float], optional) - shape需要可以被广播到当前Tensor。其数据类型为float32或float64。`p` 中每个值代表输出Tensor中对应广播位置为1的概率，数值范围在0到1之间。默认值：0.5。
|
||||
- **seed** (int, optional) - 随机种子，用于生成随机数，数值范围是-1或正整数。默认值：-1，代表取当前时间戳。
|
||||
|
||||
- **x** (Tensor) - 任意维度的Tensor，其数据类型为int8, uint8, int16, int32，int64，bool, float32或float64。
|
||||
- **p** (Union[Tensor, float], optional) - shape需要可以被广播到当前Tensor。其数据类型为float32或float64。`p` 中每个值代表输出Tensor中对应广播位置为1的概率，数值范围在0到1之间。默认值：0.5。
|
||||
- **seed** (int, optional) - 随机种子，用于生成随机数，数值范围是-1或正整数。默认值：-1，代表取当前时间戳。
|
||||
返回：
|
||||
- **output** (Tensor) - shape和数据类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
- **output** (Tensor) - shape和数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 的数据类型不在int8、uint8、int16、int32、int64、bool、float32和float64中。
|
||||
- **TypeError** - `p` 的数据类型既不是float32也不是float64。
|
||||
- **TypeError** - `seed` 不是int。
|
||||
- **ValueError** - `seed` 是负数且不为-1。
|
||||
- **ValueError** - `p` 数值范围不在0到1之间。
|
||||
异常：
|
||||
- **TypeError** - `x` 的数据类型不在int8、uint8、int16、int32、int64、bool、float32和float64中。
|
||||
- **TypeError** - `p` 的数据类型既不是float32也不是float64。
|
||||
- **TypeError** - `seed` 不是int。
|
||||
- **ValueError** - `seed` 是负数且不为-1。
|
||||
- **ValueError** - `p` 数值范围不在0到1之间。
|
||||
|
|
|
|||
|
|
@ -5,15 +5,12 @@ mindspore.ops.bessel_i0
|
|||
|
||||
逐元素计算并返回输入Tensor的Bessel i0函数值。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
返回：
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
|
|
|
|||
|
|
@ -5,15 +5,12 @@ mindspore.ops.bessel_i0e
|
|||
|
||||
逐元素计算并返回输入Tensor的Bessel i0e函数值。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
返回：
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
|
|
|
|||
|
|
@ -5,15 +5,12 @@ mindspore.ops.bessel_i1
|
|||
|
||||
逐元素计算并返回输入Tensor的Bessel i1函数值。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
返回：
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
|
|
|
|||
|
|
@ -5,15 +5,12 @@ mindspore.ops.bessel_i1e
|
|||
|
||||
逐元素计算并返回输入Tensor的Bessel i1e函数值。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
返回：
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
|
|
|
|||
|
|
@ -5,15 +5,12 @@ mindspore.ops.bessel_j0
|
|||
|
||||
逐元素计算并返回输入Tensor的Bessel j0函数值。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
返回：
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
|
|
|
|||
|
|
@ -5,15 +5,12 @@ mindspore.ops.bessel_j1
|
|||
|
||||
逐元素计算并返回输入Tensor的Bessel j1函数值。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
返回：
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
|
|
|
|||
|
|
@ -5,15 +5,12 @@ mindspore.ops.bessel_k0
|
|||
|
||||
逐元素计算并返回输入Tensor的Bessel k0函数值。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
返回：
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
|
|
|
|||
|
|
@ -5,15 +5,12 @@ mindspore.ops.bessel_k0e
|
|||
|
||||
逐元素计算并返回输入Tensor的Bessel k0e函数值。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
返回：
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
|
|
|
|||
|
|
@ -5,15 +5,12 @@ mindspore.ops.bessel_k1
|
|||
|
||||
逐元素计算并返回输入Tensor的Bessel k1函数值。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
返回：
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
|
|
|
|||
|
|
@ -5,15 +5,12 @@ mindspore.ops.bessel_k1e
|
|||
|
||||
逐元素计算并返回输入Tensor的Bessel k1e函数值。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
返回：
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
|
|
|
|||
|
|
@ -5,15 +5,12 @@ mindspore.ops.bessel_y0
|
|||
|
||||
逐元素计算并返回输入Tensor的Bessel y0函数值。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
返回：
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
|
|
|
|||
|
|
@ -5,15 +5,12 @@ mindspore.ops.bessel_y1
|
|||
|
||||
逐元素计算并返回输入Tensor的Bessel y1函数值。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
|
||||
- **x** (Tensor) - 任意维度的Tensor。数据类型应为float16，float32或float64。
|
||||
返回：
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32或float64。
|
||||
|
|
|
|||
|
|
@ -23,22 +23,19 @@ mindspore.ops.binary_cross_entropy_with_logits
|
|||
|
||||
:math:`\ell` 表示计算损失的方法。有三种方法：第一种方法是直接提供损失值，第二种方法是计算所有损失的平均值，第三种方法是计算所有损失的总和。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **logits** (Tensor) - 输入预测值，任意维度的Tensor。其数据类型为float16或float32。
|
||||
- **label** (Tensor) - 输入目标值，shape与 `logits` 相同。数据类型为float16或float32。
|
||||
- **weight** (Tensor) - 指定每个批次二值交叉熵的权重。支持广播，使其shape与 `logits` 的shape保持一致。数据类型必须为float16或float32。
|
||||
- **pos_weight** (Tensor) - 指定正类的权重。是一个长度等于分类数的向量。支持广播，使其shape与 `logits` 的shape保持一致。数据类型必须为float16或float32。
|
||||
- **reduction** (str) - 指定用于输出结果的计算方式。取值为 'mean' 、 'sum' 或 'none' ，不区分大小写。如果 'none' ，则不执行 `reduction` 。默认值：'mean' 。
|
||||
|
||||
- **logits** (Tensor) - 输入预测值，任意维度的Tensor。其数据类型为float16或float32。
|
||||
- **label** (Tensor) - 输入目标值，shape与 `logits` 相同。数据类型为float16或float32。
|
||||
- **weight** (Tensor) - 指定每个批次二值交叉熵的权重。支持广播，使其shape与 `logits` 的shape保持一致。数据类型必须为float16或float32。
|
||||
- **pos_weight** (Tensor) - 指定正类的权重。是一个长度等于分类数的向量。支持广播，使其shape与 `logits` 的shape保持一致。数据类型必须为float16或float32。
|
||||
- **reduction** (str) - 指定用于输出结果的计算方式。取值为 'mean' 、 'sum' 或 'none' ，不区分大小写。如果 'none' ，则不执行 `reduction` 。默认值：'mean' 。
|
||||
返回：
|
||||
Tensor或Scalar，如果 `reduction` 为 'none' ，则为shape和数据类型与输入 `logits` 相同的Tensor。否则，输出为Scalar。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor或Scalar，如果 `reduction` 为 'none' ，则为shape和数据类型与输入 `logits` 相同的Tensor。否则，输出为Scalar。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 输入 `logits` ， `label` ， `weight` ， `pos_weight` 不为Tensor。
|
||||
- **TypeError** - 输入 `logits` ， `label` ， `weight` ， `pos_weight` 的数据类型既不是float16也不是float32。
|
||||
- **TypeError** - 输入 `reduction` 输入数据类型不为string。
|
||||
- **ValueError** - `weight` 或 `pos_weight` 不能广播到shape为 `logits` 的Tensor。
|
||||
- **ValueError** - `reduction` 不为 'none' 、 'mean' 或 'sum' 。
|
||||
异常：
|
||||
- **TypeError** - 输入 `logits` ， `label` ， `weight` ， `pos_weight` 不为Tensor。
|
||||
- **TypeError** - 输入 `logits` ， `label` ， `weight` ， `pos_weight` 的数据类型既不是float16也不是float32。
|
||||
- **TypeError** - 输入 `reduction` 输入数据类型不为string。
|
||||
- **ValueError** - `weight` 或 `pos_weight` 不能广播到shape为 `logits` 的Tensor。
|
||||
- **ValueError** - `reduction` 不为 'none' 、 'mean' 或 'sum' 。
|
||||
|
|
@ -12,16 +12,13 @@ mindspore.ops.bitwise_and
|
|||
输入 `x` 和 `y` 遵循 `隐式类型转换规则 <https://www.mindspore.cn/docs/zh-CN/master/note/operator_list_implicit.html>`_ ，使数据类型保持一致。
|
||||
如果 `x` 和 `y` 数据类型不同，低精度数据类型将自动转换成高精度数据类型。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 第一个输入，是一个数据类型为uint16、int16或int32的Tensor。
|
||||
- **y** (Tensor) - 第二个输入，是一个与 `x` 相同类型的Tensor。
|
||||
|
||||
- **x** (Tensor) - 第一个输入，是一个数据类型为uint16、int16或int32的Tensor。
|
||||
- **y** (Tensor) - 第二个输入，是一个与 `x` 相同类型的Tensor。
|
||||
返回：
|
||||
Tensor，是一个与 `x` 相同类型的Tensor。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，是一个与 `x` 相同类型的Tensor。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 或 `y` 不是Tensor。
|
||||
- **RuntimeError** - 输入的 `x` 与 `y` 需要进行参数类型转换时不符合转换规则。
|
||||
异常：
|
||||
- **TypeError** - `x` 或 `y` 不是Tensor。
|
||||
- **RuntimeError** - 输入的 `x` 与 `y` 需要进行参数类型转换时不符合转换规则。
|
||||
|
|
|
|||
|
|
@ -12,16 +12,13 @@ mindspore.ops.bitwise_or
|
|||
输入 `x` 和 `y` 遵循 `隐式类型转换规则 <https://www.mindspore.cn/docs/zh-CN/master/note/operator_list_implicit.html>`_ ，使数据类型保持一致。
|
||||
如果 `x` 和 `y` 数据类型不同，低精度数据类型将自动转换成高精度数据类型。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 第一个输入，是一个数据类型为uint16、int16或int32的Tensor。
|
||||
- **y** (Tensor) - 第二个输入，是一个与 `x` 相同类型的Tensor。
|
||||
|
||||
- **x** (Tensor) - 第一个输入，是一个数据类型为uint16、int16或int32的Tensor。
|
||||
- **y** (Tensor) - 第二个输入，是一个与 `x` 相同类型的Tensor。
|
||||
返回：
|
||||
Tensor，是一个与 `x` 相同类型的Tensor。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，是一个与 `x` 相同类型的Tensor。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 或 `y` 不是Tensor。
|
||||
- **RuntimeError** - 输入的 `x` 与 `y` 需要进行参数类型转换时不符合转换规则。
|
||||
异常：
|
||||
- **TypeError** - `x` 或 `y` 不是Tensor。
|
||||
- **RuntimeError** - 输入的 `x` 与 `y` 需要进行参数类型转换时不符合转换规则。
|
||||
|
|
|
|||
|
|
@ -12,16 +12,13 @@ mindspore.ops.bitwise_xor
|
|||
输入 `x` 和 `y` 遵循 `隐式类型转换规则 <https://www.mindspore.cn/docs/zh-CN/master/note/operator_list_implicit.html>`_ ，使数据类型保持一致。
|
||||
如果 `x` 和 `y` 数据类型不同，低精度数据类型将自动转换成高精度数据类型。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 第一个输入，是一个数据类型为uint16、int16或int32的Tensor。
|
||||
- **y** (Tensor) - 第二个输入，是一个与 `x` 相同类型的Tensor。
|
||||
|
||||
- **x** (Tensor) - 第一个输入，是一个数据类型为uint16、int16或int32的Tensor。
|
||||
- **y** (Tensor) - 第二个输入，是一个与 `x` 相同类型的Tensor。
|
||||
返回：
|
||||
Tensor，是一个与 `x` 相同类型的Tensor。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，是一个与 `x` 相同类型的Tensor。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 或 `y` 不是Tensor。
|
||||
- **RuntimeError** - 输入的 `x` 与 `y` 需要进行参数类型转换时不符合转换规则。
|
||||
异常：
|
||||
- **TypeError** - `x` 或 `y` 不是Tensor。
|
||||
- **RuntimeError** - 输入的 `x` 与 `y` 需要进行参数类型转换时不符合转换规则。
|
||||
|
|
|
|||
|
|
@ -7,16 +7,13 @@ mindspore.ops.broadcast_to
|
|||
|
||||
当输入shape广播到目标shape时，它从最后一个维度开始。如果目标shape中有-1维度，则-1维度不能位于一个不存在的维度中。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 第一个输入，任意维度的Tensor，数据类型为float16、float32、int32、int8、uint8、bool。
|
||||
- **shape** (Tuple) - 第二个输入，指定广播到目标 `shape`。
|
||||
|
||||
- **x** (Tensor) - 第一个输入，任意维度的Tensor，数据类型为float16、float32、int32、int8、uint8、bool。
|
||||
- **shape** (Tuple) - 第二个输入，指定广播到目标 `shape`。
|
||||
返回：
|
||||
Tensor，shape与目标 `shape` 相同，数据类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape与目标 `shape` 相同，数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `shape` 不是tuple。
|
||||
- **ValueError** - 输入shape 无法广播到目标 `shape` ，或者目标 `shape` 中的-1维度位于一个无效位置。
|
||||
异常：
|
||||
- **TypeError** - `shape` 不是tuple。
|
||||
- **ValueError** - 输入shape 无法广播到目标 `shape` ，或者目标 `shape` 中的-1维度位于一个无效位置。
|
||||
|
|
|
|||
|
|
@ -5,21 +5,18 @@ mindspore.ops.cdist
|
|||
|
||||
批量计算两个Tensor每一批次所有向量两两之间的p-范数距离。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (tensor) - 输入tensor x，输入shape [B, P, M]，B维度可以为0，即shape为 [P, M]。
|
||||
- **y** (tensor) - 输入tensor y，输入shape [B, R, M]。
|
||||
- **p** (float) - P -范数距离的P值，P∈[0，∞]。默认值:2.0。
|
||||
|
||||
- **x** (tensor) - 输入tensor x，输入shape [B, P, M], B维度可以为0，即shape为 [P, M]。
|
||||
- **y** (tensor) - 输入tensor y，输入shape [B, R, M]。
|
||||
- **p** (float) - P -范数距离的P值，P∈[0，∞]。默认值:2.0。
|
||||
返回：
|
||||
Tensor，p-范数距离，shape为[B, P, R]。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，p-范数距离, shape为[B, P, R]。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `input_x` 或 `input_x` 不是Tensor。
|
||||
- **TypeError** - `input_x` 或 `input_y` 的数据类型不是float16，也不是float32。
|
||||
- **TypeError** - `p` 不是float32。
|
||||
- **ValueError** - `p` 是负数。
|
||||
- **ValueError** - `input_x` 与 `input_y` 维度不同。
|
||||
- **ValueError** - `input_x` 与 `input_y` 的维度不是2，也不是3。
|
||||
异常：
|
||||
- **TypeError** - `input_x` 或 `input_x` 不是Tensor。
|
||||
- **TypeError** - `input_x` 或 `input_y` 的数据类型不是float16，也不是float32。
|
||||
- **TypeError** - `p` 不是float32。
|
||||
- **ValueError** - `p` 是负数。
|
||||
- **ValueError** - `input_x` 与 `input_y` 维度不同。
|
||||
- **ValueError** - `input_x` 与 `input_y` 的维度不是2，也不是3。
|
||||
|
|
|
|||
|
|
@ -8,15 +8,12 @@ mindspore.ops.ceil
|
|||
.. math::
|
||||
out_i = \lceil x_i \rceil = \lfloor x_i \rfloor + 1
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - Ceil的输入。其数据类型为float16或float32。shape： :math:`(N, *)` ，其中 :math:`*` 表示任意数量的附加维度。秩应小于8。
|
||||
|
||||
- **x** (Tensor) - Ceil的输入。其数据类型为float16或float32。shape： :math:`(N, *)` ，其中 :math:`*` 表示任意数量的附加维度。秩应小于8。
|
||||
返回：
|
||||
Tensor，shape与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 的不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型既不是float16也不是float32。
|
||||
异常：
|
||||
- **TypeError** - `x` 的不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型既不是float16也不是float32。
|
||||
|
|
|
|||
|
|
@ -8,18 +8,15 @@ mindspore.ops.celu
|
|||
.. math::
|
||||
\text{CeLU}(x) = \max(0,x) + \min(0, \alpha * (\exp(x/\alpha) - 1))
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - celu的输入，数据类型为float16或float32。
|
||||
- **alpha** (float) - celu公式定义的阈值 :math:`\alpha` 。默认值：1.0。
|
||||
|
||||
- **x** (Tensor) - celu的输入，数据类型为float16或float32。
|
||||
- **alpha** (float) - celu公式定义的阈值 :math:`\alpha` 。默认值：1.0。
|
||||
返回：
|
||||
Tensor，shape和数据类型与输入相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和数据类型与输入相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `alpha` 不是float。
|
||||
- **ValueError** - `alpha` 的值为零。
|
||||
- **TypeError** - `x` 不是tensor。
|
||||
- **TypeError** - `x` 的dtype既不是float16也不是float32。
|
||||
异常：
|
||||
- **TypeError** - `alpha` 不是float。
|
||||
- **ValueError** - `alpha` 的值为零。
|
||||
- **TypeError** - `x` 不是tensor。
|
||||
- **TypeError** - `x` 的dtype既不是float16也不是float32。
|
||||
|
|
@ -11,12 +11,10 @@
|
|||
.. note::
|
||||
在半自动并行模式或自动并行模式下，如果输入是梯度，那么将会自动汇聚所有设备上的梯度的平方和。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Union(tuple[Tensor], list[Tensor])) - 由Tensor组成的tuple，其每个元素为任意维度的Tensor。
|
||||
- **clip_norm** (Union(float, int)) - 表示裁剪比率，应大于0。默认值：1.0。
|
||||
- **use_norm** (None) - 表示全局范数。目前只支持None，默认值：None。
|
||||
|
||||
- **x** (Union(tuple[Tensor], list[Tensor])) - 由Tensor组成的tuple，其每个元素为任意维度的Tensor。
|
||||
- **clip_norm** (Union(float, int)) - 表示裁剪比率，应大于0。默认值：1.0。
|
||||
- **use_norm** (None) - 表示全局范数。目前只支持None，默认值：None。
|
||||
|
||||
**返回：**
|
||||
|
||||
tuple[Tensor]，表示裁剪后的Tensor。其数据类型与 `x` 相同，输出tuple中的每个Tensor与输入shape相同。
|
||||
返回：
|
||||
tuple[Tensor]，表示裁剪后的Tensor。其数据类型与 `x` 相同，输出tuple中的每个Tensor与输入shape相同。
|
||||
|
|
@ -18,12 +18,10 @@
|
|||
.. note::
|
||||
`clip_value_min` 必须小于或等于 `clip_value_max` 。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - clip_by_value的输入，任意维度的Tensor。
|
||||
- **clip_value_min** (Tensor) - 指定最小值。
|
||||
- **clip_value_max** (Tensor) - 指定最大值。
|
||||
|
||||
- **x** (Tensor) - clip_by_value的输入，任意维度的Tensor。
|
||||
- **clip_value_min** (Tensor) - 指定最小值。
|
||||
- **clip_value_max** (Tensor) - 指定最大值。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，表示裁剪后的Tensor。其shape和数据类型和 `x` 相同。
|
||||
返回：
|
||||
Tensor，表示裁剪后的Tensor。其shape和数据类型和 `x` 相同。
|
||||
|
|
@ -5,23 +5,20 @@ mindspore.ops.col2im
|
|||
|
||||
将一组滑动局部块组合成一个大的张量。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Tensor) - 4维Tensor，输入的批量的滑动局部块，数据类型支持float16和float32。
|
||||
- **output_size** (Tensor) - 包含两个int元素的1维Tensor，输出张量的后两维的shape。
|
||||
- **kernel_size** (Union[int, tuple[int], list[int]]) - 滑动窗口的大小。tuple的两个元素分别对应kernel的高度与宽度。如果为一个int则kernel的高度与宽度均为该值。
|
||||
- **dilation** (Union[int, tuple[int], list[int]]) - 滑动窗口扩张的大小。
|
||||
- **padding_value** (Union[int, tuple[int], list[int]]) - 填充的大小。
|
||||
- **stride** (Union[int, tuple[int], list[int]]) - 步长的大小。
|
||||
|
||||
- **input_x** (Tensor) - 4维Tensor，输入的批量的滑动局部块， 数据类型支持float16和float32。
|
||||
- **output_size** (Tensor) - 包含两个int元素的1维Tensor，输出张量的后两维的shape。
|
||||
- **kernel_size** (Union[int, tuple[int], list[int]]) - 滑动窗口的大小。tuple的两个元素分别对应kernel的高度与宽度。如果为一个int则kernel的高度与宽度均为该值。
|
||||
- **dilation** (Union[int, tuple[int], list[int]]) - 滑动窗口扩张的大小。
|
||||
- **padding_value** (Union[int, tuple[int], list[int]]) - 填充的大小。
|
||||
- **stride** (Union[int, tuple[int], list[int]]) - 步长的大小。
|
||||
返回：
|
||||
Tensor，输出的张量，维度和类型和输入一致。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，输出的张量，维度和类型和输入一致。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 如果 `kernel_size`，`dilation`，`padding_value`，`stride` 不属于 Union[int, tuple[int], list[int]]。
|
||||
- **ValueError** - 如果 `kernel_size`，`dilation`，`stride` 值小于等于0或者个数大于2。
|
||||
- **ValueError** - 如果 `padding_value` 值小于0或者个数大于2。
|
||||
- **ValueError** - 如果 `input_x.dims(2)` 不等于 `kernel_size[0] * kernel_size[1]` 。
|
||||
- **ValueError** - 如果 `input_x.dims(3)` 与计算出的滑动块数量不匹配。
|
||||
异常：
|
||||
- **TypeError** - 如果 `kernel_size`，`dilation`，`padding_value`，`stride` 不属于 Union[int, tuple[int], list[int]]。
|
||||
- **ValueError** - 如果 `kernel_size`，`dilation`，`stride` 值小于等于0或者个数大于2。
|
||||
- **ValueError** - 如果 `padding_value` 值小于0或者个数大于2。
|
||||
- **ValueError** - 如果 `input_x.dims(2)` 不等于 `kernel_size[0] * kernel_size[1]` 。
|
||||
- **ValueError** - 如果 `input_x.dims(3)` 与计算出的滑动块数量不匹配。
|
||||
|
|
|
|||
|
|
@ -13,18 +13,15 @@
|
|||
.. note::
|
||||
`axis` 的取值范围为 :math:`[-dims, dims - 1]` 。 `dims` 为 `input_x` 的维度长度。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (tuple, list) - 输入为Tensor组成的tuple或list。假设在这个tuple或list中有两个Tensor，即 `x1` 和 `x2` 。要在0轴方向上执行 `Concat` ，除0轴外，其他轴的shape都应相等，即 :math:`x1.shape[1] = x2.shape[1]，x1.shape[2] = x2.shape[2]，...，x1.shape[R] = x2.shape[R]` ，其中 :math:`R` 表示最后一个轴。
|
||||
- **axis** (int) - 表示指定的轴。默认值：0。
|
||||
|
||||
- **input_x** (tuple, list) - 输入为Tensor组成的tuple或list。假设在这个tuple或list中有两个Tensor，即 `x1` 和 `x2` 。要在0轴方向上执行 `Concat` ，除0轴外，其他轴的shape都应相等，即 :math:`x1.shape[1] = x2.shape[1]，x1.shape[2] = x2.shape[2]，...，x1.shape[R] = x2.shape[R]` ，其中 :math:`R` 表示最后一个轴。
|
||||
- **axis** (int) - 表示指定的轴。默认值：0。
|
||||
返回：
|
||||
Tensor，shape为 :math:`(x_1, x_2, ..., \sum_{i=1}^Nx_{mi}, ..., x_R)` 。数据类型与 `input_x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape为 :math:`(x_1, x_2, ..., \sum_{i=1}^Nx_{mi}, ..., x_R)` 。数据类型与 `input_x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `axis` 不是int。
|
||||
- **ValueError** - `input_x` 是不同维度的Tensor。
|
||||
- **ValueError** - `axis` 的维度范围不在[-dims, dims - 1]。
|
||||
- **RuntimeError** - 除了 `axis` 之外， `input_x` 的shape不相同。
|
||||
异常：
|
||||
- **TypeError** - `axis` 不是int。
|
||||
- **ValueError** - `input_x` 是不同维度的Tensor。
|
||||
- **ValueError** - `axis` 的维度范围不在[-dims, dims - 1]。
|
||||
- **RuntimeError** - 除了 `axis` 之外， `input_x` 的shape不相同。
|
||||
|
|
|
|||
|
|
@ -8,15 +8,12 @@ mindspore.ops.cosh
|
|||
.. math::
|
||||
out_i = cosh(x_i)
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - cosh的输入，任意维度的Tensor，其数据类型为float16、float32、float64、complex64、complex128。
|
||||
|
||||
- **x** (Tensor) - cosh的输入，任意维度的Tensor，其数据类型为float16、float32、float64、complex64、complex128。
|
||||
返回：
|
||||
Tensor，数据类型和shape与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，数据类型和shape与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 的数据类型不是float16、float32、float64、complex64、complex128。
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
异常：
|
||||
- **TypeError** - `x` 的数据类型不是float16、float32、float64、complex64、complex128。
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
|
|
|
|||
|
|
@ -48,18 +48,16 @@
|
|||
\text{if reduction} = \text{'sum'.}
|
||||
\end{cases}
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **inputs** (Tensor) - 输入预测值，shape为 :math:`(N, C)` 或 :math:`(N, C, H, W)`
|
||||
(针对二维数据), 或 :math:`(N, C, d_1, d_2, ..., d_K)` (针对高维数据)。`inputs` 需为对数概率。数据类型仅支持float32或float16。
|
||||
- **target** (Tensor) - 输入目标值，shape为 :math:`(N)` 或 :math:`(N, d_1, d_2, ..., d_K)`
|
||||
(针对高维数据)。数据类型仅支持int32。
|
||||
- **weight** (Tensor) - 指定各类别的权重。若值不为None，则shape为 (C,)。
|
||||
数据类型仅支持float32或float16。默认值: None。
|
||||
- **ignore_index** (int) - 指定target中需要忽略的值(一般为填充值)，使其不对梯度产生影响。默认值：-100。
|
||||
- **reduction** (str) - 指定应用于输出结果的计算方式，比如'none'、'mean'、'sum'，默认值：'mean'。
|
||||
- **label_smoothing** (float) - 标签平滑值，用于计算Loss时防止模型过拟合的正则化手段。取值范围为[0.0, 1.0]。默认值：0.0。
|
||||
|
||||
- **inputs** (Tensor) - 输入预测值，shape为 :math:`(N, C)` 或 :math:`(N, C, H, W)`
|
||||
(针对二维数据), 或 :math:`(N, C, d_1, d_2, ..., d_K)` (针对高维数据)。`inputs` 需为对数概率。数据类型仅支持float32或float16。
|
||||
- **target** (Tensor) - 输入目标值，shape为 :math:`(N)` 或 :math:`(N, d_1, d_2, ..., d_K)`
|
||||
(针对高维数据)。数据类型仅支持int32。
|
||||
- **weight** (Tensor) - 指定各类别的权重。若值不为None，则shape为 (C,)。
|
||||
数据类型仅支持float32或float16。默认值: None。
|
||||
- **ignore_index** (int) - 指定target中需要忽略的值(一般为填充值)，使其不对梯度产生影响。默认值: -100。
|
||||
- **reduction** (str) - 指定应用于输出结果的计算方式，比如'none'、'mean'、'sum'，默认值：'mean'。
|
||||
- **label_smoothing** (float) - 标签平滑值，用于计算Loss时防止模型过拟合的正则化手段。取值范围为[0.0, 1.0]。 默认值: 0.0。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，数据类型与 `inputs` 相同。
|
||||
返回：
|
||||
Tensor，数据类型与 `inputs` 相同。
|
||||
|
|
|
|||
|
|
@ -8,15 +8,12 @@ mindspore.ops.csr_to_coo
|
|||
.. note::
|
||||
现在只支持2维CSRTensor。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **tensor** (CSRTensor) - 一个CSR矩阵，必须是2维。
|
||||
参数：
|
||||
- **tensor** (CSRTensor) - 一个CSR矩阵，必须是2维。
|
||||
|
||||
**返回：**
|
||||
返回：
|
||||
返回一个2维的COOTensor，是原COOTensor的CSR格式表示。
|
||||
|
||||
返回一个2维的COOTensor，是原COOTensor的CSR格式表示。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `tensor` 不是CSRTensor。
|
||||
- **ValueError** - `tensor` 不是2维CSRTensor。
|
||||
异常：
|
||||
- **TypeError** - `tensor` 不是CSRTensor。
|
||||
- **ValueError** - `tensor` 不是2维CSRTensor。
|
||||
|
|
|
|||
|
|
@ -5,22 +5,19 @@ mindspore.ops.ctc_greedy_decoder
|
|||
|
||||
对输入中给定的logits执行贪婪解码。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **inputs** (Tensor) - shape: :math:`(max\_time, batch\_size, num\_classes)`，数据类型必须是float32或者float64。`num_classes` 为 `num_labels + 1` classes，其中 `num_labels` 表示实际标签的个数，空标签默认使用 `num_classes - 1`。
|
||||
- **sequence_length** (Tensor) - shape: :math:`(batch\_size, )`，数据类型必须是int32，并且Tensor中的数值必须小于等于 `max_time`。
|
||||
- **merge_repeated** (bool) - True表示返回的结果中会合并重复的类。默认值为True。
|
||||
|
||||
- **inputs** (Tensor) - shape: :math:`(max\_time, batch\_size, num\_classes)`，数据类型必须是float32或者float64。`num_classes` 为 `num_labels + 1` classes，其中 `num_labels` 表示实际标签的个数，空标签默认使用 `num_classes - 1`。
|
||||
- **sequence_length** (Tensor) - shape: :math:`(batch\_size, )`，数据类型必须是int32，并且Tensor中的数值必须小于等于 `max_time`。
|
||||
- **merge_repeated** (bool) - True表示返回的结果中会合并重复的类。默认值为True。
|
||||
返回：
|
||||
- **decoded_indices** (Tensor) - shape: :math:`(total\_decoded\_outputs, 2)`，数据类型为int64。
|
||||
- **decoded_values** (Tensor) - shape: :math:`(total\_decoded\_outputs, )`，数据类型为int64。
|
||||
- **decoded_shape** (Tensor) - shape: :math:`(batch\_size, max\_decoded\_legth)`，数据类型为int64。
|
||||
- **log_probability** (Tensor) - shape: :math:`(batch\_size, 1)`，包含序列的对数概率，其数据类型与 `inputs` 保持一致。
|
||||
|
||||
**返回：**
|
||||
|
||||
- **decoded_indices** (Tensor) - shape: :math:`(total\_decoded\_outputs, 2)`，数据类型为int64。
|
||||
- **decoded_values** (Tensor) - shape: :math:`(total\_decoded\_outputs, )`，数据类型为int64。
|
||||
- **decoded_shape** (Tensor) - shape: :math:`(batch\_size, max\_decoded\_legth)`，数据类型为int64。
|
||||
- **log_probability** (Tensor) - shape: :math:`(batch\_size, 1)`，包含序列的对数概率，其数据类型与 `inputs` 保持一致。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `merge_repeated` 不是一个布尔值。
|
||||
- **ValueError** - `inputs` 的shape长度不等于3。
|
||||
- **ValueError** - `sequence_length` 的shape长度不等于1。
|
||||
- **ValueError** - `sequence_length` 中的数值大于 `max_time`。
|
||||
异常：
|
||||
- **TypeError** - `merge_repeated` 不是一个布尔值。
|
||||
- **ValueError** - `inputs` 的shape长度不等于3。
|
||||
- **ValueError** - `sequence_length` 的shape长度不等于1。
|
||||
- **ValueError** - `sequence_length` 中的数值大于 `max_time`。
|
||||
|
|
|
|||
|
|
@ -10,17 +10,14 @@ mindspore.ops.cummax
|
|||
y{i} = max(x{1}, x{2}, ... , x{i})
|
||||
\end{array}
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 输入Tensor，要求维度大于0。
|
||||
- **axis** (int) - 算子操作的维度，维度的大小范围是[-x.ndim, x.ndim - 1]。
|
||||
|
||||
- **x** (Tensor) - 输入Tensor，要求维度大于0。
|
||||
- **axis** (int) - 算子操作的维度，维度的大小范围是[-x.ndim, x.ndim - 1]。
|
||||
返回：
|
||||
一个包含两个Tensor的元组，分别表示累积最大值和对应索引。每个输出Tensor的形状和输入Tensor的形状相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
一个包含两个Tensor的元组，分别表示累积最大值和对应索引。每个输出Tensor的形状和输入Tensor的形状相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 如果 `x` 不是Tensor。
|
||||
- **TypeError** - 如果 `axis` 不是int。
|
||||
- **ValueError** - 如果 `axis` 不在范围[-x.ndim, x.ndim - 1]内。
|
||||
异常：
|
||||
- **TypeError** - 如果 `x` 不是Tensor。
|
||||
- **TypeError** - 如果 `axis` 不是int。
|
||||
- **ValueError** - 如果 `axis` 不在范围[-x.ndim, x.ndim - 1]内。
|
||||
|
|
@ -10,17 +10,14 @@ mindspore.ops.cummin
|
|||
y{i} = min(x{1}, x{2}, ... , x{i})
|
||||
\end{array}
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 输入Tensor，要求维度大于0。
|
||||
- **axis** (int) - 算子操作的维度，维度的大小范围是[-x.ndim, x.ndim - 1]。
|
||||
|
||||
- **x** (Tensor) - 输入Tensor，要求维度大于0。
|
||||
- **axis** (int) - 算子操作的维度，维度的大小范围是[-x.ndim, x.ndim - 1]。
|
||||
返回：
|
||||
一个包含两个Tensor的元组，分别表示累积最小值和对应索引。每个输出Tensor的形状和输入Tensor的形状相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
一个包含两个Tensor的元组，分别表示累积最小值和对应索引。每个输出Tensor的形状和输入Tensor的形状相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 如果 `x` 不是Tensor。
|
||||
- **TypeError** - 如果 `axis` 不是int。
|
||||
- **ValueError** - 如果 `axis` 不在范围[-x.ndim, x.ndim - 1]内。
|
||||
异常：
|
||||
- **TypeError** - 如果 `x` 不是Tensor。
|
||||
- **TypeError** - 如果 `axis` 不是int。
|
||||
- **ValueError** - 如果 `axis` 不在范围[-x.ndim, x.ndim - 1]内。
|
||||
|
|
@ -17,39 +17,36 @@ mindspore.ops.deformable_conv2d
|
|||
|
||||
其中 :math:`\Delta{p_{k}}` 和 :math:`\Delta{m_{k}}` 分别为第k个位置的可学习偏移和调制标量。细节请参考论文 `Deformable ConvNets v2: More Deformable, Better Results <https://arxiv.org/abs/1811.11168>`_ 和 `Deformable Convolutional Networks <https://arxiv.org/abs/1703.06211>`_ 。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 一个四维Tensor，表示输入图像。数据格式为"NCHW"，shape为 :math:`(N, C_{in}, H_{in}, W_{in})` 。Dytpe为float16或float32。
|
||||
- **weight** (Tensor) - 一个四维Tensor，表示可学习的滤波器。数据类型必须与 `x` 相同，shape为 :math:`(C_{out}, C_{in} / groups, H_{f}, W_{f})` 。
|
||||
- **offsets** (Tensor) - 一个四维Tensor，存储x和y坐标的偏移，以及可变形卷积的输入掩码mask。数据格式为"NCHW"，shape为 :math:`(batch, 3 * deformable\_groups * H_{f} * W_{f}, H_{out}, W_{out})` ，注意其中C维度的存储顺序为(offset_x, offset_y, mask)。数据类型必须与 `x` 相同。
|
||||
- **kernel_size** (tuple[int]) - 一个包含两个整数的元组，表示卷积核的大小。
|
||||
- **strides** (tuple[int]) - 一个包含四个整数的元组，表示对于输入的每个维度的滑动窗口步长。其维度顺序依据 `x` 的数据格式，对应N和C维度的值必须设置成1。
|
||||
- **padding** (tuple[int]) - 一个包含四个整数的元组，表示沿（上，下，左，右）四个方向往输入填充的像素点个数。
|
||||
- **bias** (Tensor, 可选) - 一个一维Tensor，表示加到卷积输出的偏置参数。shape为 :math:`(C_{out})` 。默认值为None。
|
||||
- **dilations** (tuple[int], 可选) - 一个包含四个整数的元组，表示对于输入的每个维度的膨胀系数。其维度顺序依据 `x` 的数据格式，对应N和C维度的值必须设置成1。默认值为(1, 1, 1, 1)。
|
||||
- **groups** (int, 可选) - 一个int32类型的整数，表示从输入通道到输出通道的阻塞连接数。输入通道数和输出通道数必须都能被 `groups` 整除。默认值为1。
|
||||
- **deformable_groups** (int, 可选) - 一个int32类型的整数，表示可变形卷积组数。输入通道数必须能被 `deformable_groups` 整除。默认值为1。
|
||||
- **modulated** (int, 可选) - 指定可变形二维卷积的版本。True表示v2，False表示v1。当前只支持设置为v2版本。默认值为True。
|
||||
|
||||
- **x** (Tensor) - 一个四维Tensor，表示输入图像。数据格式为"NCHW"，shape为 :math:`(N, C_{in}, H_{in}, W_{in})` 。Dytpe为float16或float32。
|
||||
- **weight** (Tensor) - 一个四维Tensor，表示可学习的滤波器。数据类型必须与 `x` 相同，shape为 :math:`(C_{out}, C_{in} / groups, H_{f}, W_{f})` 。
|
||||
- **offsets** (Tensor) - 一个四维Tensor，存储x和y坐标的偏移，以及可变形卷积的输入掩码mask。数据格式为"NCHW"，shape为 :math:`(batch, 3 * deformable\_groups * H_{f} * W_{f}, H_{out}, W_{out})` ，注意其中C维度的存储顺序为(offset_x, offset_y, mask)。数据类型必须与 `x` 相同。
|
||||
- **kernel_size** (tuple[int]) - 一个包含两个整数的元组，表示卷积核的大小。
|
||||
- **strides** (tuple[int]) - 一个包含四个整数的元组，表示对于输入的每个维度的滑动窗口步长。其维度顺序依据 `x` 的数据格式，对应N和C维度的值必须设置成1。
|
||||
- **padding** (tuple[int]) - 一个包含四个整数的元组，表示沿（上，下，左，右）四个方向往输入填充的像素点个数。
|
||||
- **bias** (Tensor, 可选) - 一个一维Tensor，表示加到卷积输出的偏置参数。shape为 :math:`(C_{out})` 。默认值为None。
|
||||
- **dilations** (tuple[int], 可选) - 一个包含四个整数的元组，表示对于输入的每个维度的膨胀系数。其维度顺序依据 `x` 的数据格式，对应N和C维度的值必须设置成1。默认值为(1, 1, 1, 1)。
|
||||
- **groups** (int, 可选) - 一个int32类型的整数，表示从输入通道到输出通道的阻塞连接数。输入通道数和输出通道数必须都能被 `groups` 整除。默认值为1。
|
||||
- **deformable_groups** (int, 可选) - 一个int32类型的整数，表示可变形卷积组数。输入通道数必须能被 `deformable_groups` 整除。默认值为1。
|
||||
- **modulated** (int, 可选) - 指定可变形二维卷积的版本。True表示v2，False表示v1。当前只支持设置为v2版本。默认值为True。
|
||||
返回：
|
||||
Tensor，一个四维Tensor，表示输出特征图。数据类型与 `x` 相同，数据格式为"NCHW"，shape为 :math:`(N, C_{out}, H_{out}, W_{out})` 。
|
||||
|
||||
**返回：**
|
||||
.. math::
|
||||
\begin{array}{ll} \\
|
||||
H_{out} = \left \lfloor{\frac{H_{in} + padding[0] + padding[1] - (H_{f} - 1) \times
|
||||
\text{dilations[2]} - 1 }{\text{stride[0]}} + 1} \right \rfloor \\
|
||||
W_{out} = \left \lfloor{\frac{W_{in} + padding[2] + padding[3] - (W_{f} - 1) \times
|
||||
\text{dilations[3]} - 1 }{\text{stride[1]}} + 1} \right \rfloor \\
|
||||
\end{array}
|
||||
|
||||
Tensor，一个四维Tensor，表示输出特征图。数据类型与 `x` 相同，数据格式为"NCHW"，shape为 :math:`(N, C_{out}, H_{out}, W_{out})` 。
|
||||
|
||||
.. math::
|
||||
\begin{array}{ll} \\
|
||||
H_{out} = \left \lfloor{\frac{H_{in} + padding[0] + padding[1] - (H_{f} - 1) \times
|
||||
\text{dilations[2]} - 1 }{\text{stride[0]}} + 1} \right \rfloor \\
|
||||
W_{out} = \left \lfloor{\frac{W_{in} + padding[2] + padding[3] - (W_{f} - 1) \times
|
||||
\text{dilations[3]} - 1 }{\text{stride[1]}} + 1} \right \rfloor \\
|
||||
\end{array}
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 如果 `strides`， `padding`， `kernel_size` 或者 `dilations` 不是一个整数元组。
|
||||
- **TypeError** - 如果 `modulated` 不是一个布尔值。
|
||||
- **ValueError** - 如果 `strides`， `padding`， `kernel_size` 或者 `dilations` 的元组不是期望的大小。
|
||||
- **ValueError** - 如果 `strides` 或者 `dilations` 对应N和C维度的值不为1。
|
||||
- **ValueError** - 如果 `modulated` 的值不是True。
|
||||
异常：
|
||||
- **TypeError** - 如果 `strides`， `padding`， `kernel_size` 或者 `dilations` 不是一个整数元组。
|
||||
- **TypeError** - 如果 `modulated` 不是一个布尔值。
|
||||
- **ValueError** - 如果 `strides`， `padding`， `kernel_size` 或者 `dilations` 的元组不是期望的大小。
|
||||
- **ValueError** - 如果 `strides` 或者 `dilations` 对应N和C维度的值不为1。
|
||||
- **ValueError** - 如果 `modulated` 的值不是True。
|
||||
|
||||
.. note::
|
||||
- 这是一个实验性质的接口，将来有可能被修改或删除。
|
||||
|
|
|
|||
|
|
@ -8,20 +8,17 @@ mindspore.ops.dense_to_sparse_coo
|
|||
.. note::
|
||||
现在只支持2维Tensor。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **tensor** (Tensor) - 一个稠密Tensor，必须是2维。
|
||||
|
||||
- **tensor** (Tensor) - 一个稠密Tensor，必须是2维。
|
||||
返回：
|
||||
返回一个2维的COOTensor，是原稠密Tensor的稀疏化表示。分为：
|
||||
|
||||
**返回：**
|
||||
|
||||
返回一个2维的COOTensor，是原稠密Tensor的稀疏化表示。分为：
|
||||
|
||||
- **indices** (Tensor) - 二维整数张量，表示稀疏张量中 `values` 所处的位置索引。
|
||||
- **values** (Tensor) - 一维张量，用来给 `indices` 中的每个元素提供数值。
|
||||
- **shape** (tuple(int)) - 整数元组，用来指定稀疏矩阵的稠密形状。
|
||||
- **indices** (Tensor) - 二维整数张量，表示稀疏张量中 `values` 所处的位置索引。
|
||||
- **values** (Tensor) - 一维张量，用来给 `indices` 中的每个元素提供数值。
|
||||
- **shape** (tuple(int)) - 整数元组，用来指定稀疏矩阵的稠密形状。
|
||||
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `tensor` 不是Tensor。
|
||||
- **ValueError** - `tensor` 不是2维Tensor。
|
||||
异常：
|
||||
- **TypeError** - `tensor` 不是Tensor。
|
||||
- **ValueError** - `tensor` 不是2维Tensor。
|
||||
|
|
|
|||
|
|
@ -8,20 +8,17 @@ mindspore.ops.dense_to_sparse_csr
|
|||
.. note::
|
||||
现在只支持2维Tensor。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **tensor** (Tensor) - 一个稠密Tensor，必须是2维。
|
||||
|
||||
- **tensor** (Tensor) - 一个稠密Tensor，必须是2维。
|
||||
返回：
|
||||
返回一个2维的CSRTensor，是原稠密Tensor的稀疏化表示。其中数据分别为：
|
||||
|
||||
**返回：**
|
||||
- **indptr** (Tensor) - 一维整数张量，表示每行非零元素的在 `values` 中存储的起止位置。
|
||||
- **indices** (Tensor) - 一维整数张量，表示每个元素的列索引值。
|
||||
- **values** (Tensor) - 一维张量，用来表示索引对应的数值。
|
||||
- **shape** (tuple(int)) - 整数元组，用来指定稀疏矩阵的稠密形状。
|
||||
|
||||
返回一个2维的CSRTensor，是原稠密Tensor的稀疏化表示。其中数据分别为：
|
||||
|
||||
- **indptr** (Tensor) - 一维整数张量，表示每行非零元素的在 `values` 中存储的起止位置。
|
||||
- **indices** (Tensor) - 一维整数张量，表示每个元素的列索引值。
|
||||
- **values** (Tensor) - 一维张量，用来表示索引对应的数值。
|
||||
- **shape** (tuple(int)) - 整数元组，用来指定稀疏矩阵的稠密形状。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `tensor` 不是Tensor。
|
||||
- **ValueError** - `tensor` 不是2维Tensor。
|
||||
异常：
|
||||
- **TypeError** - `tensor` 不是Tensor。
|
||||
- **ValueError** - `tensor` 不是2维Tensor。
|
||||
|
|
|
|||
|
|
@ -8,21 +8,18 @@ mindspore.ops.derivative
|
|||
.. note::
|
||||
- 若 `primals` 是int型的Tensor，会被转化成float32格式进行计算。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **fn** (Union[Function, Cell]) - 待求导的函数或网络。
|
||||
- **primals** (Union[Tensor, tuple[Tensor]]) - `fn` 的输入，单输入的type为Tensor，多输入的type为Tensor组成的tuple。
|
||||
- **order** (int) - 求导的阶数。
|
||||
|
||||
- **fn** (Union[Function, Cell]) - 待求导的函数或网络。
|
||||
- **primals** (Union[Tensor, tuple[Tensor]]) - `fn` 的输入，单输入的type为Tensor，多输入的type为Tensor组成的tuple。
|
||||
- **order** (int) - 求导的阶数。
|
||||
返回：
|
||||
tuple，由 `out_primals` 和 `out_series` 组成。
|
||||
|
||||
**返回：**
|
||||
- **out_primals** (Union[Tensor, list[Tensor]]) - `fn(primals)` 的结果。
|
||||
- **out_series** (Union[Tensor, list[Tensor]]) - `fn` 输出对输入的第n阶导数。
|
||||
|
||||
tuple，由 `out_primals` 和 `out_series` 组成。
|
||||
|
||||
- **out_primals** (Union[Tensor, list[Tensor]]) - `fn(primals)` 的结果。
|
||||
- **out_series** (Union[Tensor, list[Tensor]]) - `fn` 输出对输入的第n阶导数。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `primals` 不是Tensor或tuple。
|
||||
- **TypeError** - `order` 不是int。
|
||||
- **ValueError** - `order` 不是正数。
|
||||
异常：
|
||||
- **TypeError** - `primals` 不是Tensor或tuple。
|
||||
- **TypeError** - `order` 不是int。
|
||||
- **ValueError** - `order` 不是正数。
|
||||
|
|
|
|||
|
|
@ -7,15 +7,12 @@ mindspore.ops.diag
|
|||
|
||||
假设输入Tensor维度为 :math:`[D_1,... D_k]` ，则输出是一个rank为2k的tensor，其维度为 :math:`[D_1,..., D_k, D_1,..., D_k]` ，其中 :math:`output[i_1,..., i_k, i_1,..., i_k] = input_x[i_1,..., i_k]` 并且其他位置的值为0。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Tensor) - 输入Tensor。
|
||||
|
||||
- **input_x** (Tensor) - 输入Tensor。
|
||||
返回：
|
||||
Tensor，具有与输入Tensor相同的数据类型。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，具有与输入Tensor相同的数据类型。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `input_x` 不是Tensor。
|
||||
- **ValueError** - `input_x` 的rank小于1。
|
||||
异常：
|
||||
- **TypeError** - `input_x` 不是Tensor。
|
||||
- **ValueError** - `input_x` 的rank小于1。
|
||||
|
|
|
|||
|
|
@ -5,17 +5,14 @@ mindspore.ops.dot
|
|||
|
||||
两个Tensor之间的点积。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x1** (Tensor) - 第一个输入的Tensor，数据类型为float16或float32，秩必须大于或等于2。
|
||||
- **x2** (Tensor) - 第二个输入的Tensor，数据类型为float16或float32，秩必须大于或等于2。
|
||||
|
||||
- **x1** (Tensor) - 第一个输入的Tensor，数据类型为float16或float32，秩必须大于或等于2。
|
||||
- **x2** (Tensor) - 第二个输入的Tensor，数据类型为float16或float32，秩必须大于或等于2。
|
||||
返回：
|
||||
Tensor， `x1` 和 `x2` 的点积。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor， `x1` 和 `x2` 的点积。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x1` 和 `x2` 的数据类型不相同。
|
||||
- **TypeError** - `x1` 或 `x2` 的数据类型不是float16或float32。
|
||||
- **ValueError** - `x1` 或 `x2` 的秩小于2。
|
||||
异常：
|
||||
- **TypeError** - `x1` 和 `x2` 的数据类型不相同。
|
||||
- **TypeError** - `x1` 或 `x2` 的数据类型不是float16或float32。
|
||||
- **ValueError** - `x1` 或 `x2` 的秩小于2。
|
||||
|
|
@ -11,22 +11,19 @@ mindspore.ops.dropout2d
|
|||
|
||||
`dropout2d` 可以提高通道特征映射之间的独立性。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (tensor) - 一个形状为 :math:`(N, C, H, W)` 的 `4D` Tensor，其中N是批处理大小，`C` 是通道数，`H` 是特征高度，`W` 是特征宽度。其数据类型应为int8、int16、int32、int64、float16、float32或float64。
|
||||
- **p** (float) - 通道的丢弃概率，介于 0 和 1 之间，例如 `p` = 0.8，意味着80%的清零概率。默认值：0.5。
|
||||
|
||||
- **x** (tensor) - 一个形状为 :math:`(N, C, H, W)` 的 `4D` Tensor，其中N是批处理大小，`C` 是通道数，`H` 是特征高度，`W` 是特征宽度。其数据类型应为int8、int16、int32、int64、float16、float32或float64。
|
||||
- **p** (float) - 通道的丢弃概率，介于 0 和 1 之间，例如 `p` = 0.8，意味着80%的清零概率。默认值：0.5。
|
||||
返回：
|
||||
Tensor，输出，具有与输入 `x` 相同的形状和数据类型。
|
||||
|
||||
**返回：**
|
||||
Tensor，掩码，形状与 `x` 相同，数据类型为bool。
|
||||
|
||||
Tensor，输出，具有与输入 `x` 相同的形状和数据类型。
|
||||
|
||||
Tensor，掩码，形状与 `x` 相同，数据类型为bool。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是int8、int16、int32、int64、float16、float32或float64。
|
||||
- **TypeError** - `p` 的数据类型不是float。
|
||||
- **ValueError** - `p` 值不在 `[0.0，1.0]` 之间。
|
||||
- **ValueError** - `x` 的维度不等于4。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是int8、int16、int32、int64、float16、float32或float64。
|
||||
- **TypeError** - `p` 的数据类型不是float。
|
||||
- **ValueError** - `p` 值不在 `[0.0，1.0]` 之间。
|
||||
- **ValueError** - `x` 的维度不等于4。
|
||||
|
||||
|
|
|
|||
|
|
@ -10,22 +10,19 @@ mindspore.ops.dropout3d
|
|||
|
||||
`dropout3d` 可以提高通道特征映射之间的独立性。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (tensor) - 一个形状为 :math:`(N, C, D, H, W)` 的 `5D` Tensor，其中N是批处理大小，`C` 是通道数，`D` 是特征深度， `H` 是特征高度，`W` 是特征宽度。其数据类型应为int8、int16、int32、int64、float16、float32或float64。
|
||||
- **p** (float) - 通道的丢弃概率，介于 0 和 1 之间，例如 `p` = 0.8，意味着80%的清零概率。默认值：0.5。
|
||||
|
||||
- **x** (tensor) - 一个形状为 :math:`(N, C, D, H, W)` 的 `5D` Tensor，其中N是批处理大小，`C` 是通道数，`D` 是特征深度， `H` 是特征高度，`W` 是特征宽度。其数据类型应为int8、int16、int32、int64、float16、float32或float64。
|
||||
- **p** (float) - 通道的丢弃概率，介于 0 和 1 之间，例如 `p` = 0.8，意味着80%的清零概率。默认值：0.5。
|
||||
返回：
|
||||
Tensor，输出，具有与输入 `x` 相同的形状和数据类型。
|
||||
|
||||
**返回：**
|
||||
Tensor，掩码，形状与 `x` 相同，数据类型为bool。
|
||||
|
||||
Tensor，输出，具有与输入 `x` 相同的形状和数据类型。
|
||||
|
||||
Tensor，掩码，形状与 `x` 相同，数据类型为bool。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是int8、int16、int32、int64、float16、float32或float64。
|
||||
- **TypeError** - `p` 的数据类型不是float。
|
||||
- **ValueError** - `p` 值不在 `[0.0，1.0]` 之间。
|
||||
- **ValueError** - `x` 的维度不等于5。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是int8、int16、int32、int64、float16、float32或float64。
|
||||
- **TypeError** - `p` 的数据类型不是float。
|
||||
- **ValueError** - `p` 值不在 `[0.0，1.0]` 之间。
|
||||
- **ValueError** - `x` 的维度不等于5。
|
||||
|
||||
|
|
|
|||
|
|
@ -5,14 +5,11 @@ mindspore.ops.dyn_shape
|
|||
|
||||
返回输入Tensor的Shape。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Tensor) - 第一个输入，是一个Tensor类型数据。
|
||||
|
||||
- **input_x** (Tensor) - 第一个输入，是一个Tensor类型数据。
|
||||
返回：
|
||||
Tensor，输入 `input_x` 的shape。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，输入 `input_x` 的shape。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `input_x` 都不是Tensor。
|
||||
异常：
|
||||
- **TypeError** - `input_x` 都不是Tensor。
|
||||
|
|
|
|||
|
|
@ -18,15 +18,12 @@ mindspore.ops.equal
|
|||
- 当输入是一个Tensor和一个Scalar时，Scalar只能是一个常数。
|
||||
- 支持广播。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Union[Tensor, Number]) - 第一个输入可以是数值型，也可以是数据类型为数值型的Tensor。
|
||||
- **y** (Union[Tensor, Number]) - 当第一个输入是Tensor时，第二个输入是数值型或数据类型为数值型的Tensor。数据类型与第一个输入相同。
|
||||
|
||||
- **x** (Union[Tensor, Number]) - 第一个输入可以是数值型，也可以是数据类型为数值型的Tensor。
|
||||
- **y** (Union[Tensor, Number]) - 当第一个输入是Tensor时，第二个输入是数值型或数据类型为数值型的Tensor。数据类型与第一个输入相同。
|
||||
返回：
|
||||
Tensor，输出的shape与输入广播后的shape相同，数据类型为bool。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，输出的shape与输入广播后的shape相同，数据类型为bool。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 和 `y` 都不是Tensor。
|
||||
异常：
|
||||
- **TypeError** - `x` 和 `y` 都不是Tensor。
|
||||
|
|
@ -9,15 +9,12 @@ mindspore.ops.erf
|
|||
|
||||
erf(x)=\frac{2} {\sqrt{\pi}} \int\limits_0^{x} e^{-t^{2}} dt
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 高斯误差函数的输入Tensor。维度必须小于8，数据类型必须为float16或float32。
|
||||
|
||||
- **x** (Tensor) - 高斯误差函数的输入Tensor。维度必须小于8，数据类型必须为float16或float32。
|
||||
返回：
|
||||
Tensor，具有与 `x` 相同的数据类型和shape。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，具有与 `x` 相同的数据类型和shape。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型既不是float16也不是float32。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型既不是float16也不是float32。
|
||||
|
|
|
|||
|
|
@ -9,15 +9,12 @@ mindspore.ops.erfc
|
|||
|
||||
erfc(x) = 1 - \frac{2} {\sqrt{\pi}} \int\limits_0^{x} e^{-t^{2}} dt
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 互补误差函数的输入Tensor。维度必须小于8，数据类型必须为float16或float32。
|
||||
|
||||
- **x** (Tensor) - 互补误差函数的输入Tensor。维度必须小于8，数据类型必须为float16或float32。
|
||||
返回：
|
||||
Tensor，具有与 `x` 相同的数据类型和shape。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，具有与 `x` 相同的数据类型和shape。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型既不是float16也不是float32。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型既不是float16也不是float32。
|
||||
|
|
|
|||
|
|
@ -12,16 +12,13 @@ mindspore.ops.expand_dims
|
|||
If the specified axis is a negative number, the index is counted
|
||||
backward from the end and starts at 1.
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **a** (Tensor) - 输入Tensor，shape为 :math:`(x_1, x_2, ..., x_R)`。
|
||||
- **axis** (Union[int, list(int), tuple(int)]) - 新插入的维度的位置。`axis` 的值必须在范围 `[-input_x.ndim-1, input_x.ndim]` 内。仅接受常量输入。
|
||||
|
||||
- **a** (Tensor) - 输入Tensor，shape为 :math:`(x_1, x_2, ..., x_R)`。
|
||||
- **axis** (Union[int, list(int), tuple(int)]) - 新插入的维度的位置。`axis` 的值必须在范围 `[-input_x.ndim-1, input_x.ndim]` 内。 仅接受常量输入。
|
||||
返回：
|
||||
Tensor，维度在指定轴扩展之后的Tensor，与 `input_x` 的数据类型相同。如果 `axis` 是0，那么它的shape为 :math:`(1, x_1, x_2, ..., x_R)`。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，维度在指定轴扩展之后的Tensor，与 `input_x` 的数据类型相同。 如果 `axis` 是0，那么它的shape为 :math:`(1, x_1, x_2, ..., x_R)`。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 如果 `axis` 不是int。
|
||||
- **ValueError** - 如果 `axis` 超出了 :math:`[-a.ndim-1, a.ndim]` 的范围。
|
||||
异常：
|
||||
- **TypeError** - 如果 `axis` 不是int。
|
||||
- **ValueError** - 如果 `axis` 超出了 :math:`[-a.ndim-1, a.ndim]` 的范围。
|
||||
|
|
|
|||
|
|
@ -8,17 +8,14 @@ mindspore.ops.eye
|
|||
.. note::
|
||||
结合ReverseV2算子可以得到一个反对角线为1的Tensor，但是目前ReverseV2算子只支持Ascend和GPU平台。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **n** (int) - 指定返回Tensor的行数。仅支持常量值。
|
||||
- **m** (int) - 指定返回Tensor的列数。仅支持常量值。
|
||||
- **t** (mindspore.dtype) - 指定返回Tensor的数据类型。数据类型必须是 `bool_ <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 或 `number <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 。
|
||||
|
||||
- **n** (int) - 指定返回Tensor的行数。仅支持常量值。
|
||||
- **m** (int) - 指定返回Tensor的列数。仅支持常量值。
|
||||
- **t** (mindspore.dtype) - 指定返回Tensor的数据类型。数据类型必须是 `bool_ <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 或 `number <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 。
|
||||
返回：
|
||||
Tensor，主对角线上为1，其余的元素为0。它的shape由 `n` 和 `m` 指定。数据类型由 `t` 指定。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，主对角线上为1，其余的元素为0。它的shape由 `n` 和 `m` 指定。数据类型由 `t` 指定。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `m` 或 `n` 不是int。
|
||||
- **ValueError** - `m` 或 `n` 小于1。
|
||||
异常：
|
||||
- **TypeError** - `m` 或 `n` 不是int。
|
||||
- **ValueError** - `m` 或 `n` 小于1。
|
||||
|
|
|
|||
|
|
@ -12,14 +12,11 @@
|
|||
|
||||
其中 :math:`x` 是输入元素。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 计算FastGeLU的输入，数据类型为float16或者float32。
|
||||
|
||||
- **x** (Tensor) - 计算FastGeLU的输入，数据类型为float16或者float32。
|
||||
返回：
|
||||
Tensor，其shape和数据类型和 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，其shape和数据类型和 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 数据类型不是float16或者float32。
|
||||
异常：
|
||||
- **TypeError** - `x` 数据类型不是float16或者float32。
|
||||
|
|
|
|||
|
|
@ -5,16 +5,13 @@ mindspore.ops.fill
|
|||
|
||||
创建一个指定shape的Tensor，并用指定值填充。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **type** (mindspore.dtype) - 指定输出Tensor的数据类型。数据类型只支持 `bool_ <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 和 `number <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 。
|
||||
- **shape** (tuple[int]) - 指定输出Tensor的shape。
|
||||
- **value** (Union(number.Number, bool)) - 用来填充输出Tensor的值。
|
||||
|
||||
- **type** (mindspore.dtype) - 指定输出Tensor的数据类型。数据类型只支持 `bool_ <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 和 `number <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 。
|
||||
- **shape** (tuple[int]) - 指定输出Tensor的shape。
|
||||
- **value** (Union(number.Number, bool)) - 用来填充输出Tensor的值。
|
||||
返回：
|
||||
Tensor。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor。
|
||||
|
||||
**异常：**
|
||||
|
||||
**TypeError** - `shape` 不是元组。
|
||||
异常：
|
||||
- **TypeError** - `shape` 不是元组。
|
||||
|
|
|
|||
|
|
@ -5,18 +5,15 @@ mindspore.ops.fills
|
|||
|
||||
创建一个与输入Tensor具有相同shape和type的Tensor，并用指定值填充。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 输入Tensor，用来指定输出Tensor的shape和type。数据类型为int8，int16，int32，float16，float32。
|
||||
- **value** (Union(int, float, Tensor)) - 用来填充输出Tensor的值。数据类型为int，float或0维Tensor。
|
||||
|
||||
- **x** (Tensor) - 输入Tensor，用来指定输出Tensor的shape和type。数据类型为int8，int16，int32，float16，float32。
|
||||
- **value** (Union(int, float, Tensor)) - 用来填充输出Tensor的值。数据类型为int，float或0维Tensor。
|
||||
返回：
|
||||
Tensor，与输入数据 `x` 具有相同的shape和type。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，与输入数据 `x` 具有相同的shape和type。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `value` 具有前面未指定的类型。
|
||||
- **RuntimeError** - `value` 不能转换为与当前Tensor相同的类型。
|
||||
- **ValueError** - `value` 是非0维Tensor。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `value` 具有前面未指定的类型。
|
||||
- **RuntimeError** - `value` 不能转换为与当前Tensor相同的类型。
|
||||
- **ValueError** - `value` 是非0维Tensor。
|
||||
|
|
|
|||
|
|
@ -5,15 +5,12 @@ mindspore.ops.flatten
|
|||
|
||||
扁平化（Flatten）输入Tensor，不改变0轴的size。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Tensor) - 待扁平化的Tensor，其shape为 :math:`(N, \ldots)`， :math:`N` 表示batch size。
|
||||
|
||||
- **input_x** (Tensor) - 待扁平化的Tensor，其shape为 :math:`(N, \ldots)`， :math:`N` 表示batch size。
|
||||
返回：
|
||||
Tensor，其shape为 :math:`(N, X)` 的Tensor，其中 :math:`X` 是余下维度的乘积。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，其shape为 :math:`(N, X)` 的Tensor，其中 :math:`X` 是余下维度的乘积。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `input_x` 不是Tensor。
|
||||
- **ValueError** - `input_x` 的shape长度小于1。
|
||||
异常：
|
||||
- **TypeError** - `input_x` 不是Tensor。
|
||||
- **ValueError** - `input_x` 的shape长度小于1。
|
||||
|
|
@ -8,15 +8,12 @@ mindspore.ops.floor
|
|||
.. math::
|
||||
out_i = \lfloor x_i \rfloor
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - Floor的输入，任意维度的Tensor，秩应小于8。其数据类型必须为float16、float32。
|
||||
|
||||
- **x** (Tensor) - Floor的输入，任意维度的Tensor，秩应小于8。其数据类型必须为float16、float32。
|
||||
返回：
|
||||
Tensor，shape与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 的数据类型不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16、float32、float64。
|
||||
异常：
|
||||
- **TypeError** - `x` 的数据类型不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16、float32、float64。
|
||||
|
|
@ -3,22 +3,19 @@ mindspore.ops.gamma
|
|||
|
||||
.. py:function:: mindspore.ops.gamma(shape, alpha, beta, seed=None)
|
||||
|
||||
根据伽马分布产生成随机数。
|
||||
根据伽马分布产生成随机数。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **shape** (tuple) - 指定生成随机数的shape。任意维度的Tensor。
|
||||
- **alpha** (Tensor) - :math:`\alpha` 分布的参数。应该大于0且数据类型为float32。
|
||||
- **beta** (Tensor) - :math:`\beta` 分布的参数。应该大于0且数据类型为float32。
|
||||
- **seed** (int) - 随机数生成器的种子，必须是非负数，默认为None，将视为0。
|
||||
|
||||
- **shape** (tuple) - 指定生成随机数的shape。任意维度的Tensor。
|
||||
- **alpha** (Tensor) - :math:`\alpha` 分布的参数。应该大于0且数据类型为float32。
|
||||
- **beta** (Tensor) - :math:`\beta` 分布的参数。应该大于0且数据类型为float32。
|
||||
- **seed** (int) - 随机数生成器的种子，必须是非负数，默认为None，将视为0。
|
||||
返回：
|
||||
Tensor。shape是输入 `shape` 、 `alpha` 、 `beta` 广播后的shape。数据类型为float32。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor。shape是输入 `shape` 、 `alpha` 、 `beta` 广播后的shape。数据类型为float32。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** – `shape` 不是tuple。
|
||||
- **TypeError** – `alpha` 或 `beta` 不是Tensor。
|
||||
- **TypeError** – `seed` 的数据类型不是int。
|
||||
- **TypeError** – `alpha` 或 `beta` 的数据类型不是float32。
|
||||
异常：
|
||||
- **TypeError** - `shape` 不是tuple。
|
||||
- **TypeError** - `alpha` 或 `beta` 不是Tensor。
|
||||
- **TypeError** - `seed` 的数据类型不是int。
|
||||
- **TypeError** - `alpha` 或 `beta` 的数据类型不是float32。
|
||||
|
|
@ -15,18 +15,15 @@ mindspore.ops.gather
|
|||
1. input_indices的值必须在 `[0, input_param.shape[axis])` 范围内，超出该范围结果未定义。
|
||||
2. Ascend平台上，input_params的数据类型当前不能是 `bool_ <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_params** (Tensor) - 原始Tensor，shape为 :math:`(x_1, x_2, ..., x_R)` 。
|
||||
- **input_indices** (Tensor) - 要切片的索引Tensor，shape为 :math:`(y_1, y_2, ..., y_S)` 。指定原始Tensor中要切片的索引。数据类型必须是int32或int64。
|
||||
- **axis** (int) - 指定要切片的维度索引。
|
||||
|
||||
- **input_params** (Tensor) - 原始Tensor，shape为 :math:`(x_1, x_2, ..., x_R)` 。
|
||||
- **input_indices** (Tensor) - 要切片的索引Tensor，shape为 :math:`(y_1, y_2, ..., y_S)` 。指定原始Tensor中要切片的索引。数据类型必须是int32或int64。
|
||||
- **axis** (int) - 指定要切片的维度索引。
|
||||
返回：
|
||||
Tensor，shape为 :math:`input\_params.shape[:axis] + input\_indices.shape + input\_params.shape[axis + 1:]` 。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape为 :math:`input\_params.shape[:axis] + input\_indices.shape + input\_params.shape[axis + 1:]` 。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `axis` 不是int。
|
||||
- **TypeError** - `input_params` 不是Tensor。
|
||||
- **TypeError** - `input_indices` 不是int类型的Tensor。
|
||||
异常：
|
||||
- **TypeError** - `axis` 不是int。
|
||||
- **TypeError** - `input_params` 不是Tensor。
|
||||
- **TypeError** - `input_indices` 不是int类型的Tensor。
|
||||
|
|
|
|||
|
|
@ -17,19 +17,16 @@ mindspore.ops.gather_elements
|
|||
|
||||
`x` 与 `index` 拥有一样的维度长度，且除 `dim` 维外其他维度一致。如果维度 `dim` 为i， `x` 是shape为 :math:`(z_0, z_1, ..., z_i, ..., z_{n-1})` 的n维Tensor，则 `index` 必须是shape为 :math:`(z_0, z_1, ..., y, ..., z_{n-1})` 的n维Tensor，其中 `y` 大于等于1。输出的shape与 `index` 相同。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 输入Tensor。
|
||||
- **dim** (int) - 获取元素的轴。数据类型为int32或int64。取值范围为[-x_rank, x_rank)。
|
||||
- **index** (Tensor) - 获取收集元素的索引。支持的数据类型包括：int32，int64。每个索引元素的取值范围为[-x_rank[dim], x_rank[dim])。
|
||||
|
||||
- **x** (Tensor) - 输入Tensor。
|
||||
- **dim** (int) - 获取元素的轴。数据类型为int32或int64。取值范围为[-x_rank, x_rank)。
|
||||
- **index** (Tensor) - 获取收集元素的索引。支持的数据类型包括：int32，int64。每个索引元素的取值范围为[-x_rank[dim], x_rank[dim])。
|
||||
返回：
|
||||
Tensor，shape与 `index` 相同，即其shape为 :math:`(z_0, z_1, ..., y, ..., z_{n-1})`，数据类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape与 `index` 相同，即其shape为 :math:`(z_0, z_1, ..., y, ..., z_{n-1})`，数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `dim` 或 `index` 的数据类型既不是int32，也不是int64。
|
||||
- **ValueError** - `x` 和 `index` 的维度长度不一致。
|
||||
- **ValueError** - `x` 和 `index` 除 `dim` 维外的维度不一致。
|
||||
- **ValueError** - `dim` 的值不在合理范围内。
|
||||
异常：
|
||||
- **TypeError** - `dim` 或 `index` 的数据类型既不是int32，也不是int64。
|
||||
- **ValueError** - `x` 和 `index` 的维度长度不一致。
|
||||
- **ValueError** - `x` 和 `index` 除 `dim` 维外的维度不一致。
|
||||
- **ValueError** - `dim` 的值不在合理范围内。
|
||||
|
|
@ -12,15 +12,12 @@ mindspore.ops.gather_nd
|
|||
|
||||
`indices` 的最后一维的长度不能超过 `input_x` 的秩： :math:`indices.shape[-1] <= input\_x.rank` 。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Tensor) - GatherNd的输入。任意维度的Tensor。
|
||||
- **indices** (Tensor) - 索引Tensor，其数据类型为int32或int64。
|
||||
|
||||
- **input_x** (Tensor) - GatherNd的输入。任意维度的Tensor。
|
||||
- **indices** (Tensor) - 索引Tensor，其数据类型为int32或int64。
|
||||
返回：
|
||||
Tensor，数据类型与 `input_x` 相同，shape为 `indices_shape[:-1] + input_x_shape[indices_shape[-1]:]` 。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，数据类型与 `input_x` 相同，shape为 `indices_shape[:-1] + input_x_shape[indices_shape[-1]:]` 。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **ValueError** - `input_x` 的shape长度小于 `indices` 的最后一维的长度。
|
||||
异常：
|
||||
- **ValueError** - `input_x` 的shape长度小于 `indices` 的最后一维的长度。
|
||||
|
|
|
|||
Loading…
Reference in New Issue