operators doc: ApplyAdagradV2, GridSampler2D, GridSampler3D, PopulationCount, SparseApplyAdagrad,

SparseApplyAdagradV2, SparseApplyFtrl, Trunc, TruncateDiv, TruncateMod, UpsampleNearest3D, CTCGreedyDecoder
2022-07-18 13:38:59 -04:00 · 2022-07-18 13:38:59 -04:00 · b774ecb9e4
parent c887725149
commit b774ecb9e4
19 changed files with 354 additions and 2 deletions
--- a/docs/api/api_python/mindspore.ops.functional.rst
+++ b/docs/api/api_python/mindspore.ops.functional.rst
@ -101,6 +101,7 @@ functional算子是经过初始化后的Primitive，可以直接作为函数使
    :nosignatures:
    :template: classtemplate.rst

+    mindspore.ops.grid_sample
    mindspore.ops.uniform_candidate_sampler

 距离函数
@ -180,6 +181,9 @@ functional算子是经过初始化后的Primitive，可以直接作为函数使
    mindspore.ops.sub
    mindspore.ops.svd
    mindspore.ops.tan
+    mindspore.ops.trunc
+    mindspore.ops.truncate_div
+    mindspore.ops.truncate_mod
    mindspore.ops.xlogy

 .. list-table::
@ -390,6 +394,7 @@ Array操作
    mindspore.ops.meshgrid
    mindspore.ops.normal
    mindspore.ops.nonzero
+    mindspore.ops.population_count
    mindspore.ops.range
    mindspore.ops.rank
    mindspore.ops.repeat_elements
--- a/docs/api/api_python/mindspore.ops.rst
+++ b/docs/api/api_python/mindspore.ops.rst
@ -188,8 +188,11 @@ MindSpore中 `mindspore.ops` 接口与上一版本相比，新增、删除和支
    :template: classtemplate.rst
    
    mindspore.ops.ComputeAccidentalHits
+    mindspore.ops.GridSampler2D
+    mindspore.ops.GridSampler3D
    mindspore.ops.LogUniformCandidateSampler
    mindspore.ops.UniformCandidateSampler
+    mindspore.ops.UpsampleNearest3D
    mindspore.ops.UpsampleTrilinear3D
    
 图像处理
@ -293,6 +296,7 @@ MindSpore中 `mindspore.ops` 接口与上一版本相比，新增、删除和支
    mindspore.ops.SquareSumAll
    mindspore.ops.Sub
    mindspore.ops.Tan
+    mindspore.ops.Trunc
    mindspore.ops.TruncateDiv
    mindspore.ops.TruncateMod
    mindspore.ops.Xdivy
--- a/docs/api/api_python/ops/mindspore.ops.ApplyAdagradV2.rst
+++ b/docs/api/api_python/ops/mindspore.ops.ApplyAdagradV2.rst
@ -1,5 +1,5 @@
-mindspore.ops.ApplyAdagradV2
-=============================
+mindspore.ops.ApplyAdagradV2
+============================

 .. py:class:: mindspore.ops.ApplyAdagradV2(epsilon, update_slots=True)

--- a/docs/api/api_python/ops/mindspore.ops.CTCGreedyDecoder.rst
+++ b/docs/api/api_python/ops/mindspore.ops.CTCGreedyDecoder.rst
@ -0,0 +1,8 @@
+mindspore.ops.CTCGreedyDecoder
+==============================
+
+.. py:class:: mindspore.ops.CTCGreedyDecoder(merge_repeated=True)
+
+    对输入中给定的logits执行贪婪解码。
+
+    更多参考详见 :func:`mindspore.ops.ctc_greedy_decoder`。
--- a/docs/api/api_python/ops/mindspore.ops.GridSampler2D.rst
+++ b/docs/api/api_python/ops/mindspore.ops.GridSampler2D.rst
@ -0,0 +1,8 @@
+mindspore.ops.GridSampler2D
+===========================
+
+.. py:class:: mindspore.ops.GridSampler2D(interpolation_mode='bilinear', padding_mode='zeros', align_corners=False)
+
+    给定一个输入和一个网格，使用网格中的输入值和像素位置计算输出。
+
+    更多参考详见 :func:`mindspore.ops.grid_sample`。
--- a/docs/api/api_python/ops/mindspore.ops.GridSampler3D.rst
+++ b/docs/api/api_python/ops/mindspore.ops.GridSampler3D.rst
@ -0,0 +1,8 @@
+mindspore.ops.GridSampler3D
+===========================
+
+.. py:class:: mindspore.ops.GridSampler3D(interpolation_mode='bilinear', padding_mode='zeros', align_corners=False)
+
+    给定一个输入和一个网格，使用网格中的输入值和像素位置计算输出。
+
+    更多参考详见 :func:`mindspore.ops.grid_sample`。
--- a/docs/api/api_python/ops/mindspore.ops.PopulationCount.rst
+++ b/docs/api/api_python/ops/mindspore.ops.PopulationCount.rst
@ -0,0 +1,8 @@
+mindspore.ops.PopulationCount
+=============================
+
+.. py:class:: mindspore.ops.PopulationCount
+
+    计算二进制数中1的个数。
+
+    更多参考详见 :func:`mindspore.ops.population_count`。
--- a/docs/api/api_python/ops/mindspore.ops.SparseApplyAdagrad.rst
+++ b/docs/api/api_python/ops/mindspore.ops.SparseApplyAdagrad.rst
@ -0,0 +1,42 @@
+mindspore.ops.SparseApplyAdagrad
+================================
+
+.. py:class:: mindspore.ops.SparseApplyAdagrad(lr, update_slots=True, use_locking=False)
+
+    根据Adagrad算法更新相关参数。
+
+    .. math::
+        \begin{array}{ll} \\
+            accum += grad * grad \\
+            var -= lr * grad * \frac{1}{\sqrt{accum}}
+        \end{array}
+
+    `var` 、 `accum` 和 `grad` 的输入遵循隐式类型转换规则，使数据类型一致。如果它们具有不同的数据类型，则低精度数据类型将转换为相对最高精度的数据类型。
+
+    **参数：**
+
+    - **lr** (float) - 学习率。
+    - **update_slots** (bool) - 如果为True，则将更新 `accum` 。默认值：True。
+    - **use_locking** (bool) - 是否对参数更新加锁保护。默认值：False。
+
+    **输入：**
+
+    - **var** (Parameter) - 要更新的变量。为任意维度，其数据类型为float16或float32。
+    - **accum** (Parameter) - 要更新的累积。shape和数据类型必须与 `var` 相同。
+    - **grad** (Tensor) - 梯度，为一个Tensor。shape和数据类型必须与 `var` 相同，且需要满足 :math:`grad.shape[1:] = var.shape[1:] if var.shape > 1`。
+    - **indices** (Tensor) - `var` 和 `accum` 第一维度的索引向量，数据类型为int32，且需要保证 :math:`indices.shape[0] = grad.shape[0]`。
+
+    **输出：**
+
+    2个Tensor组成的tuple，更新后的参数。
+
+    - **var** (Tensor) - shape和数据类型与 `var` 相同。
+    - **accum** (Tensor) - shape和数据类型与 `accum` 相同。
+
+    **异常：**
+
+    - **TypeError** - 如果 `lr` 不是float类型。
+    - **TypeError** - 如果 `update_slots` 或者 `use_locking` 不是布尔值。
+    - **TypeError** - 如果 `var` 、 `accum` 、 `lr` 或 `grad` 的数据类型既不是float16也不是float32。
+    - **TypeError** - 如果 `indices` 的数据类型不是int32。
+    - **RuntimeError** - 如果 `var` 、 `accum` 和 `grad` 不支持数据类型转换。
--- a/docs/api/api_python/ops/mindspore.ops.SparseApplyAdagradV2.rst
+++ b/docs/api/api_python/ops/mindspore.ops.SparseApplyAdagradV2.rst
@ -0,0 +1,43 @@
+mindspore.ops.SparseApplyAdagradV2
+==================================
+
+.. py:class:: mindspore.ops.SparseApplyAdagradV2(lr, epsilon, update_slots=True, use_locking=False)
+
+    根据Adagrad算法更新相关参数。
+
+    .. math::
+        \begin{array}{ll} \\
+            accum += grad * grad \\
+            var -= lr * grad * \frac{1}{\sqrt{accum} + \epsilon}
+        \end{array}
+
+    `var` 、 `accum` 和 `grad` 的输入遵循隐式类型转换规则，使数据类型一致。如果它们具有不同的数据类型，则低精度数据类型将转换为相对最高精度的数据类型。
+
+    **参数：**
+
+    - **lr** (float) - 学习率。
+    - **epsilon** (float) - 添加到分母上的较小值，以确保数值的稳定性。
+    - **update_slots** (bool) - 如果为True，则将更新 `accum` 。默认值：True。
+    - **use_locking** (bool) - 是否对参数更新加锁保护。默认值：False。
+
+    **输入：**
+
+    - **var** (Parameter) - 要更新的变量。为任意维度，其数据类型为float16或float32。
+    - **accum** (Parameter) - 要更新的累积。shape和数据类型必须与 `var` 相同。
+    - **grad** (Tensor) - 梯度，为一个Tensor。shape和数据类型必须与 `var` 相同，且需要满足 :math:`grad.shape[1:] = var.shape[1:] if var.shape > 1`。
+    - **indices** (Tensor) - `var` 和 `accum` 第一维度的索引向量，数据类型为int32，且需要保证 :math:`indices.shape[0] = grad.shape[0]`。
+
+    **输出：**
+
+    2个Tensor组成的tuple，更新后的参数。
+
+    - **var** (Tensor) - shape和数据类型与 `var` 相同。
+    - **accum** (Tensor) - shape和数据类型与 `accum` 相同。
+
+    **异常：**
+
+    - **TypeError** - 如果 `lr` 或者 `epsilon` 不是float类型。
+    - **TypeError** - 如果 `update_slots` 或者 `use_locking` 不是布尔值。
+    - **TypeError** - 如果 `var` 、 `accum` 、 `lr` 或 `grad` 的数据类型既不是float16也不是float32。
+    - **TypeError** - 如果 `indices` 的数据类型不是int32。
+    - **RuntimeError** - 如果 `var` 、 `accum` 和 `grad` 不支持数据类型转换。
--- a/docs/api/api_python/ops/mindspore.ops.SparseApplyFtrl.rst
+++ b/docs/api/api_python/ops/mindspore.ops.SparseApplyFtrl.rst
@ -0,0 +1,38 @@
+mindspore.ops.SparseApplyFtrl
+=============================
+
+.. py:class:: mindspore.ops.SparseApplyFtrl(lr, l1, l2, lr_power, use_locking=False)
+
+    根据FTRL-proximal算法更新相关参数。
+
+    更多详细信息请参见 :class:`mindspore.nn.FTRL` 。
+
+    **参数：**
+
+    - **lr** (float) - 学习率，必须为正值。
+    - **l1** (float) - l1正则化，必须大于或等于零。
+    - **l2** (float) - l2正则化，必须大于或等于零。
+    - **lr_power** (float) - 在训练期间控制降低学习率，必须小于或等于零。如果lr_power为零，则使用固定学习率。
+    - **use_locking** (bool) - 是否对参数更新加锁保护。默认值：False。
+
+    **输入：**
+
+    - **var** (Parameter) - 要更新的权重。数据类型必须为float16或float32。shape为 :math:`(N, *)` ，其中 :math:`*` 表示任意数量的附加维度。
+    - **accum** (Parameter) - 要更新的累数值，shape和数据类型必须与 `var` 相同。
+    - **linear** (Parameter) - 要更新的线性系数，shape和数据类型必须与 `var` 相同。
+    - **grad** (Tensor) - 梯度，为一个Tensor。数据类型必须与 `var` 相同，且需要满足 :math:`grad.shape[1:] = var.shape[1:] if var.shape > 1`。
+    - **indices** (Tensor) - `var` 和 `accum` 第一维度的索引向量，数据类型为int32或int64，且需要保证 :math:`indices.shape[0] = grad.shape[0]`。
+
+    **输出：**
+
+    - **var** (Tensor) - shape和数据类型与 `var` 相同。
+    - **accum** (Tensor) - shape和数据类型与 `accum` 相同。
+    - **linear** (Tensor) - shape和数据类型与 `linear` 相同。
+
+    **异常：**
+
+    - **TypeError** - 如果 `lr` 、 `l1` 、 `l2` 或 `lr_power` 不是float类型。
+    - **TypeError** - 如果 `use_locking` 不是bool。
+    - **TypeError** - 如果 `var` 、 `grad` 、`linear` 或者 `grad` 的数据类型既不是float16也不是float32。
+    - **TypeError** - 如果 `indices` 不是int32也不是int64类型。
+    - **RuntimeError** - 如果 `var` 、 `grad` 、`linear` 或者 `grad` 不支持数据类型转换。
--- a/docs/api/api_python/ops/mindspore.ops.Trunc.rst
+++ b/docs/api/api_python/ops/mindspore.ops.Trunc.rst
@ -0,0 +1,8 @@
+mindspore.ops.Trunc
+===================
+
+.. py:class:: mindspore.ops.Trunc
+
+    返回一个新的张量，该张量具有输入元素的截断整数值。
+
+    更多参考详见 :func:`mindspore.ops.trunc`。
--- a/docs/api/api_python/ops/mindspore.ops.UpsampleNearest3D.rst
+++ b/docs/api/api_python/ops/mindspore.ops.UpsampleNearest3D.rst
@ -0,0 +1,32 @@
+mindspore.ops.UpsampleNearest3D
+===============================
+
+.. py:class:: mindspore.ops.UpsampleNearest3D(output_size=None, scales=None)
+
+    执行最近邻上采样操作。
+
+    使用指定的 `output_size` 或 `scales` 因子采用最近邻算法对输入进行缩放。其中 `output_size` 或 `scales` 必须给出一个，且不能同时指定。
+
+    **参数：**
+
+    - **output_size** (Union[tuple[int], list[int]]) - 指定输出卷大小的int型列表。默认值为None。 
+    - **scales** (Union[tuple[float], list[float]]) - 指定上采样因子的浮点数列表。默认值为None。 
+
+    **输入：**
+
+    - **x** (Tensor) - shape: :math:`(N, C, D_{in}, H_{in}, W_{in})`。
+
+    **输出：**
+
+    Tensor，shape: :math:`(N, C, D_{out}, H_{out}, W_{out})`，数据类型与输入 `x` 相同。
+
+    **异常：**
+
+    - **TypeError** - `x` 的维度不为5。
+    - **TypeError** - `x` 的数据类型不为float16，float32。
+    - **TypeError** - `output_size` 的数据类型不为int型列表。
+    - **TypeError** - `scales` 的数据类型不为float型列表。
+    - **ValueError** - `output_size` 的类型为列表，其长度不为3。
+    - **ValueError** - `scales` 的类型为列表，其长度不为3。
+    - **ValueError** - `output_size` 和 `scales` 两者都为None。
+    - **ValueError** - `output_size` 和 `scales` 两者都为非空列表。
--- a/docs/api/api_python/ops/mindspore.ops.func_grid_sample.rst
+++ b/docs/api/api_python/ops/mindspore.ops.func_grid_sample.rst
@ -0,0 +1,42 @@
+mindspore.ops.grid_sample
+=========================
+
+.. py:function:: mindspore.ops.grid_sample(input_x, grid, interpolation_mode='bilinear', padding_mode='zeros', align_corners=False)
+
+    给定一个输入和一个网格，使用网格中的输入值和像素位置计算输出。`input_x` 只支持4-D（GridSampler2D）和5-D（GridSampler3D）。
+
+    在4-D场景下，`input_x` 的shape为 :math:`(N, C, H_{in}, W_{in})`，`grid` 的shape为 :math:`(N, H_{out}, W_{out}, 2)`，`output` 的shape为 :math:`(N, C, H_{out}, W_{out})`。
+    对于每个输出位置 `output[n, :, h, w]`，`grid[n, h, w]` 指定 `input_x` 像素位置 `x` 和 `y`，用于计算 `output[n, :, h, w]` 的插值。以5D为例，`grid[n, d, h, w]` 指定 `x`，
+    `y`，`z` 像素位置的插值位置为[n, :, d, h, w]。`interpolation_mode` 参数指定 `nearest` 或 `bilinear` 或 `bicubic` (仅支持4D情况)插值法对输入像素进行采样。
+
+    `grid` 指定由 `input_x` 归一化的采样像素位置。因此，它应该在 :math:`[-1, 1]` 范围内的值最多。
+
+    如果 `grid` 的值在 :math:`[-1, 1]` 范围之外，则相应的输出将按照定义的 `padding_mode` 方式处理。如果 `padding_mode` 设置为 `0`，则使用 :math:`0` 来表示出界的网格位置。
+    如果 `padding_mode` 设置为 `border`，对于出界网格位置，则使用border值。如果 `padding_mode` 设置为 `reflection`，请使用边界所反映的位置的值用于指定出界网格位置。对于
+    远离边界的位置，它会一直被反射，直到在边界内。
+
+    **参数：**
+
+    - **input_x** (Tensor) - 4-D场景下，shape为 :math:`(N, C, H_{in}, W_{in})`，5-D场景下，shape为 :math:`(N, C, D_{in}, H_{in}, W_{in})`。数据类型为float32或float64。
+    - **grid** (Tensor) - 4-D场景下，shape为 :math:`(N, H_{out}, W_{out}, 2)`，5-D场景下，shape为 :math:`(N, D_{out}, H_{out}, W_{out}, 3)`。数据类型与 `input_x`保持一致。 
+    - **interpolation_mode** (str) - 插值方法。可选方法为 `bilinear`，`nearest` 或 `bicubic`。默认值：`bilinear`。需要注意的是 `bicubic` 只支持4-D输入。当 `interpolation_mode`
+      为 `bilinear`，且输入为5-D，则 `interpolation_mode` 为 `trilinear`。但是，当输入为4-D，则 `interpolation_mode` 为 `bilinear`。
+    - **padding_mode** (str) - 填充方法。可选方法为 `zeros`，`border` 和 `reflection`。默认值为 `zeros`。
+    - **align_corners** (bool) - 布尔值。如果设置成 `True`，-1和1被视为引用输入角像素的中心点。如果设置为 `False`，将被视为引用到输入角像素的角点，使采样更不受分辨率影响。
+      默认值为 `False`。
+
+    **返回：**
+
+    Tensor，数据类型与 `input_x` 相同，4-D场景下，shape为 :math:`(N, C, H_{out}, W_{out})`，5-D场景下，shape为 :math:`(N, C, D_{out}, H_{out}, W_{out})`。
+
+    **异常：**
+
+    - **TypeError** - 如果 `input_x` 或 `grid` 不是Tensor类型。
+    - **TypeError** - 如果 `input_x` 和 `grid` 的数据类型不一致。 
+    - **TypeError** - 如果 `input_x` 或 `grid` 的数据类型无效。
+    - **TypeError** - 如果 `align_corners` 不是一个布尔值。 
+    - **ValueError** - 如果 `input_x` 或 `grid` 的维度不是4维或5维。 
+    - **ValueError** - 如果 `input_x` 的第一个维度不等于 `grid` 的第一个维度。
+    - **ValueError** - 如果 `grid` 最后一个维度不等于2（4-D场景）或者3（5-D场景）。
+    - **ValueError** - 如果 `interpolation_mode` 不是 `bilinear`，`nearest`，`bicubic`，数据类型不为String。
+    - **ValueError** - 如果 `padding_mode` 不是 `zeros`，`border`，`reflection`，数据类型不为String。
--- a/docs/api/api_python/ops/mindspore.ops.func_population_count.rst
+++ b/docs/api/api_python/ops/mindspore.ops.func_population_count.rst
@ -0,0 +1,20 @@
+mindspore.ops.population_count
+==============================
+
+.. py:function:: mindspore.ops.population_count(input)
+
+    计算二进制数中1的个数。
+
+    **参数：**
+
+    - **input** (Tensor) - 任意维度的Tensor。Ascend平台支持的数据类型为int16、uint16，CPU平台支持的数据类型为int8、int16、int32、int64、uint8、uint16、uint32、uint64。
+
+    **返回：**
+
+    Tensor，shape与 `input` 相同，数据类型为uint8。
+
+    **异常：**
+
+    - **TypeError** - `input` 不是Tensor。
+    - **TypeError** - `input` 的数据类型不是int16或uint16（Ascend平台）。
+                      `input` 的数据类型不是int8、int16、int32、int64、uint8、uint16、uint32、uint64（CPU平台）。
--- a/docs/api/api_python/ops/mindspore.ops.func_trunc.rst
+++ b/docs/api/api_python/ops/mindspore.ops.func_trunc.rst
@ -0,0 +1,18 @@
+mindspore.ops.trunc
+===================
+
+.. py:function:: mindspore.ops.trunc(input_x)
+
+    返回一个新的张量，该张量具有输入元素的截断整数值。
+
+    **参数：**
+
+    - **input_x** (Tensor) - 任意维度的Tensor。
+
+    **返回：**
+
+    Tensor，shape和数据类型与 `input_x` 相同。
+
+    **异常：**
+
+    - **TypeError** - `input_x` 不是Tensor。
--- a/docs/api/api_python/ops/mindspore.ops.func_truncate_div.rst
+++ b/docs/api/api_python/ops/mindspore.ops.func_truncate_div.rst
@ -0,0 +1,27 @@
+mindspore.ops.truncate_div
+==========================
+
+.. py:function:: mindspore.ops.truncate_div(x, y)
+
+    对于整数类型，将第一个输入Tensor与第二个输入Tensor逐元素相除。结果将向0取整。
+
+    输入 `x` 和 `y` 应能遵循隐式类型转换规则使数据类型一致。
+    输入必须为两个Tensor或一个Tensor和一个标量。
+    当输入为两个Tensor时，数据类型不能同时为bool类型。
+    当输入是一个Tensor和一个标量时，标量只能是一个常数。
+
+    .. note::
+        支持shape广播。
+
+    **参数：**
+
+    - **x** (Union[Tensor, Number, bool]) - Number或bool类型的Tensor。
+    - **y** (Union[Tensor, Number, bool]) - Number或bool类型的Tensor。`x` 和 `y` 不能同时为bool类型。
+
+    **返回：**
+
+    Tensor，shape为输入广播后的shape，数据类型为两个输入中精度较高的输入的类型。
+
+    **异常：**
+
+    - **TypeError** - `x` 和 `y` 数据类型不是以下之一：Tensor、Number或bool。
--- a/docs/api/api_python/ops/mindspore.ops.func_truncate_mod.rst
+++ b/docs/api/api_python/ops/mindspore.ops.func_truncate_mod.rst
@ -0,0 +1,32 @@
+mindspore.ops.truncate_mod
+==========================
+
+.. py:function:: mindspore.ops.truncate_mod(x, y)
+
+    逐元素取模。
+
+    输入 `x` 和 `y` 应能遵循隐式类型转换规则使数据类型一致。
+    输入必须为两个Tensor或一个Tensor和一个标量。
+    当输入为两个Tensor时，数据类型不能同时为bool类型。支持shape广播。
+    当输入是一个Tensor和一个标量时，标量只能是一个常数。
+
+    .. warning::
+        - 输入数值不能为0。
+        - 当输入含有超过2048个元素，该操作不能保证千分之二的精度要求。
+        - 由于架构不同，该算子在NPU和CPU上的计算结果可能不一致。
+        - 若shape为（D1、D2...、Dn），则D1*D2...*DN<=1000000，n<=8。
+
+    **参数：**
+
+    - **x** (Union[Tensor, Number, bool]) - Number或bool类型的Tensor。
+    - **y** (Union[Tensor, Number, bool]) - Number或bool类型的Tensor。
+
+    **返回：**
+
+    Tensor，shape为输入进行广播后的shape，数据类型为两个输入中精度较高的输入的类型。
+
+    **异常：**
+
+    - **TypeError** - `x` 和 `y` 数据类型不是以下之一：Tensor、Number、bool。
+    - **TypeError** - `x` 和 `y` 均不是Tensor。
+    - **ValueError** - `x` 和 `y` 的shape无法进行广播转换。
--- a/docs/api/api_python_en/mindspore.ops.functional.rst
+++ b/docs/api/api_python_en/mindspore.ops.functional.rst
@ -101,6 +101,7 @@ Sampling Functions
    :nosignatures:
    :template: classtemplate.rst

+    mindspore.ops.grid_sample
    mindspore.ops.uniform_candidate_sampler

 Distance Functions
@ -184,6 +185,9 @@ Element-by-Element Operations
    mindspore.ops.sub
    mindspore.ops.svd
    mindspore.ops.tan
+    mindspore.ops.trunc
+    mindspore.ops.truncate_div
+    mindspore.ops.truncate_mod
    mindspore.ops.xlogy

 .. list-table::
@ -393,6 +397,7 @@ Array Operation
    mindspore.ops.meshgrid
    mindspore.ops.normal
    mindspore.ops.nonzero
+    mindspore.ops.population_count
    mindspore.ops.range
    mindspore.ops.rank
    mindspore.ops.repeat_elements
--- a/docs/api/api_python_en/mindspore.ops.rst
+++ b/docs/api/api_python_en/mindspore.ops.rst
@ -187,8 +187,11 @@ Sampling Operator
    :template: classtemplate.rst
    
    mindspore.ops.ComputeAccidentalHits
+    mindspore.ops.GridSampler2D
+    mindspore.ops.GridSampler3D
    mindspore.ops.LogUniformCandidateSampler
    mindspore.ops.UniformCandidateSampler
+    mindspore.ops.UpsampleNearest3D
    mindspore.ops.UpsampleTrilinear3D
    
 Image Processing
@ -292,6 +295,7 @@ Element-wise Operator
    mindspore.ops.SquareSumAll
    mindspore.ops.Sub
    mindspore.ops.Tan
+    mindspore.ops.Trunc
    mindspore.ops.TruncateDiv
    mindspore.ops.TruncateMod
    mindspore.ops.Xdivy