!38755 modify the format of API files
Merge pull request !38755 from 宦晓玲/code_docs_20725
This commit is contained in:
Gitee
commit
c1bd1ba65d
|
|
@ -19,15 +19,12 @@ mindspore.ops.ge
|
|||
& \text{False, if } x_{i}<y_{i}
|
||||
\end{cases}
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Union[Tensor, Number, bool]) - 第一个输入可以是Number，也可以是数据类型为Number的Tensor。
|
||||
- **y** (Union[Tensor, Number, bool]) - 第二个输入是Number，当第一个输入是Tensor时，也可以是bool，或数据类型为Number或bool的Tensor。
|
||||
|
||||
- **x** (Union[Tensor, Number, bool]) - 第一个输入可以是Number，也可以是数据类型为Number的Tensor。
|
||||
- **y** (Union[Tensor, Number, bool]) - 第二个输入是Number，当第一个输入是Tensor时，也可以是bool，或数据类型为Number或bool的Tensor。
|
||||
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。
|
||||
|
|
@ -8,17 +8,14 @@ mindspore.ops.ger
|
|||
.. note::
|
||||
Ascend不支持float64数据格式的输入。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x1** (Tensor) - 输入1-D Tensor，数据类型为float16、float32或float64。
|
||||
- **x2** (Tensor) - 输入1-D Tensor，数据类型为float16、float32或float64，输入数据类型需和 `x1` 保持一致。
|
||||
|
||||
- **x1** (Tensor) - 输入1-D Tensor，数据类型为float16、float32或float64。
|
||||
- **x2** (Tensor) - 输入1-D Tensor，数据类型为float16、float32或float64， 输入数据类型需和 `x1` 保持一致。
|
||||
返回：
|
||||
Tensor，与 `x1` 数据类型相同的输出Tensor。如果 `x1` shape为 :math:`(m,)` ，`x2` shape为 :math:`(n,)` ，则输出的shape为 :math:`(m, n)` 。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，与 `x1` 数据类型相同的输出Tensor。如果 `x1` shape为 :math:`(m,)` ，`x2` shape为 :math:`(n,)` ，则输出的shape为 :math:`(m, n)` 。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x1` 或 `x2` 不是一维Tensor。
|
||||
- **TypeError** - 输入的 `x1` 与 `x2` 数据类型不是float16、float32或float64。
|
||||
- **TypeError** - 输入的 `x1` 与 `x2` 数据类型不一致。
|
||||
异常：
|
||||
- **TypeError** - `x1` 或 `x2` 不是一维Tensor。
|
||||
- **TypeError** - 输入的 `x1` 与 `x2` 数据类型不是float16、float32或float64。
|
||||
- **TypeError** - 输入的 `x1` 与 `x2` 数据类型不一致。
|
||||
|
|
|
|||
|
|
@ -5,13 +5,11 @@ mindspore.ops.get_vm_impl_fn
|
|||
|
||||
通过Primitive对象或Primitive名称，获取虚拟实现函数。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **prim** (Union[Primitive, str]) - 算子注册的Primitive对象或名称。
|
||||
参数：
|
||||
- **prim** (Union[Primitive, str]) - 算子注册的Primitive对象或名称。
|
||||
|
||||
.. note::
|
||||
该机制目前适用于调试。
|
||||
|
||||
**返回：**
|
||||
|
||||
函数，虚拟实现函数。
|
||||
返回：
|
||||
函数，虚拟实现函数。
|
||||
|
|
|
|||
|
|
@ -19,15 +19,12 @@ mindspore.ops.gt
|
|||
- 支持广播。
|
||||
- 若输入的Tensor可以广播，则会把低维度通过复制该维度的值的方式扩展到另一个输入中对应的高维度。
|
||||
|
||||
**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与广播后的shape相同，数据类型为bool。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape与广播后的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。
|
||||
|
|
|
|||
|
|
@ -5,22 +5,19 @@ mindspore.ops.gumbel_softmax
|
|||
|
||||
返回Gumbel-Softmax分布的Tensor，在 `hard = True` 的时候，返回one-hot形式的离散型Tensor，`hard = False` 时返回在dim维进行过softmax的Tensor。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **logits** (Tensor) - 输入，是一个非标准化的对数概率分布。只支持float16和float32。
|
||||
- **tau** (float) - 标量温度，正数。默认值：1.0。
|
||||
- **hard** (bool) - 为True时返回one-hot离散型Tensor，可反向求导。默认值：False。
|
||||
- **dim** (int) - 给softmax使用的参数，在dim维上做softmax操作。默认值：-1。
|
||||
|
||||
- **logits** (Tensor) - 输入，是一个非标准化的对数概率分布。 只支持float16和float32。
|
||||
- **tau** (float) - 标量温度, 正数。默认值：1.0。
|
||||
- **hard** (bool) - 为True时返回one-hot离散型Tensor，可反向求导。默认值：False。
|
||||
- **dim** (int) - 给softmax使用的参数，在dim维上做softmax操作。默认值：-1。
|
||||
返回：
|
||||
Tensor，shape与dtype和输入 `logits` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape与dtype和输入 `logits` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `logits` 不是Tensor。
|
||||
- **TypeError** - `logits` 不是float16或float32。
|
||||
- **TypeError** - `tau` 不是float。
|
||||
- **TypeError** - `hard` 不是bool。
|
||||
- **TypeError** - `dim` 不是int。
|
||||
- **ValueError** - `tau` 不是正数。
|
||||
异常：
|
||||
- **TypeError** - `logits` 不是Tensor。
|
||||
- **TypeError** - `logits` 不是float16或float32。
|
||||
- **TypeError** - `tau` 不是float。
|
||||
- **TypeError** - `hard` 不是bool。
|
||||
- **TypeError** - `dim` 不是int。
|
||||
- **ValueError** - `tau` 不是正数。
|
||||
|
|
|
|||
|
|
@ -13,17 +13,14 @@ mindspore.ops.hardshrink
|
|||
0, & \text{ otherwise }
|
||||
\end{cases}
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - Hard Shrink的输入，数据类型为float16或float32。
|
||||
- **lambd** (float) - Hard Shrink公式定义的阈值 :math:`\lambda` 。默认值：0.5。
|
||||
|
||||
- **x** (Tensor) - Hard Shrink的输入，数据类型为float16或float32。
|
||||
- **lambd** (float) - Hard Shrink公式定义的阈值 :math:`\lambda` 。默认值：0.5。
|
||||
返回：
|
||||
Tensor，shape和数据类型与输入 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和数据类型与输入 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `lambd` 不是float。
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的dtype既不是float16也不是float32。
|
||||
异常：
|
||||
- **TypeError** - `lambd` 不是float。
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的dtype既不是float16也不是float32。
|
||||
|
|
@ -14,15 +14,12 @@ mindspore.ops.hardswish
|
|||
|
||||
其中， :math:`x_i` 是输入的元素。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 用于计算Hard Swish的Tensor。数据类型必须是float16或float32。
|
||||
|
||||
- **x** (Tensor) - 用于计算Hard Swish的Tensor。数据类型必须是float16或float32。
|
||||
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** - `x` 不是一个Tensor。
|
||||
- **TypeError** - `x` 的数据类型既不是float16也不是float32。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是一个Tensor。
|
||||
- **TypeError** - `x` 的数据类型既不是float16也不是float32。
|
||||
|
|
@ -6,27 +6,24 @@ mindspore.ops.index_add
|
|||
将Tensor `y` 加到Parameter `x` 的指定 `axis` 轴的指定 `indices` 位置。要求 `axis` 轴的取值范围
|
||||
为[0, len(x.dim) - 1]， `indices` 中元素的取值范围为[0, x.shape[axis] - 1]。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Parameter) - 被加的Parameter。
|
||||
- **indices** (Tensor) - 指定Tensor `y` 加到 `x` 的 `axis` 轴的指定下标位置，要求数据类型为int32。
|
||||
要求 `indices` shape的维度为一维，并且 `indices` shape的大小与 `y` shape在 `axis` 轴上的大小一致。 `indices` 中元素
|
||||
取值范围为[0, b)，其中b的值为 `x` shape在 `axis` 轴上的大小。
|
||||
- **y** (Tensor) - 与 `x` 加的Tensor。
|
||||
- **axis** (int) - 指定沿哪根轴相加。
|
||||
- **use_lock** (bool) - 是否对参数更新过程加锁保护。如果为True，在更新参数 `x` 的值时使用原子操作以实现加锁保护，如果为
|
||||
False， `x` 的值可能会不可预测。默认值：True。
|
||||
- **check_index_bound** (bool) - True表示检查 `indices` 边界，False表示不检查。默认值：True。
|
||||
|
||||
- **x** (Parameter) - 被加的Parameter。
|
||||
- **indices** (Tensor) - 指定Tensor `y` 加到 `x` 的 `axis` 轴的指定下标位置，要求数据类型为int32。
|
||||
要求 `indices` shape的维度为一维，并且 `indices` shape的大小与 `y` shape在 `axis` 轴上的大小一致。 `indices` 中元素
|
||||
取值范围为[0, b)，其中b的值为 `x` shape在 `axis` 轴上的大小。
|
||||
- **y** (Tensor) - 与 `x` 加的Tensor。
|
||||
- **axis** (int) - 指定沿哪根轴相加。
|
||||
- **use_lock** (bool) - 是否对参数更新过程加锁保护。如果为True，在更新参数 `x` 的值时使用原子操作以实现加锁保护，如果为
|
||||
False， `x` 的值可能会不可预测。默认值：True。
|
||||
- **check_index_bound** (bool) - True表示检查 `indices` 边界，False表示不检查。默认值：True。
|
||||
返回：
|
||||
相加后的Tensor。shape和数据类型与输入 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
相加后的Tensor。shape和数据类型与输入 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 的类型不是Parameter。
|
||||
- **TypeError** - `indices` 或者 `y` 的类型不是Tensor。
|
||||
- **ValueError** - `axis` 的值超出 `x` shape的维度范围。
|
||||
- **ValueError** - `x` shape的维度和 `y` shape的维度不一致。
|
||||
- **ValueError** - `indices` shape的维度不是一维或者 `indices` shape的大小与 `y` shape在 `axis` 轴上的大小不一致。
|
||||
- **ValueError** - 除 `axis` 轴外，`x` shape和 `y` shape的大小不一致。
|
||||
异常：
|
||||
- **TypeError** - `x` 的类型不是Parameter。
|
||||
- **TypeError** - `indices` 或者 `y` 的类型不是Tensor。
|
||||
- **ValueError** - `axis` 的值超出 `x` shape的维度范围。
|
||||
- **ValueError** - `x` shape的维度和 `y` shape的维度不一致。
|
||||
- **ValueError** - `indices` shape的维度不是一维或者 `indices` shape的大小与 `y` shape在 `axis` 轴上的大小不一致。
|
||||
- **ValueError** - 除 `axis` 轴外，`x` shape和 `y` shape的大小不一致。
|
||||
|
|
|
|||
|
|
@ -5,28 +5,25 @@ mindspore.ops.index_fill
|
|||
|
||||
按 `index` 中给定的顺序选择索引，将输入 `value` 值填充到输入Tensor `x` 的所有 `dim` 维元素。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 输入Tensor，支持的数据类型是数值型和布尔型。
|
||||
- **dim** (Union[int, Tensor]) - 填充输入Tensor的维度，要求是一个int或者数据类型为int32或int64的0维Tensor。
|
||||
- **index** (Tensor) - 填充输入Tensor的索引，数据类型为int32。
|
||||
- **value** (Union[bool, int, float, Tensor]) - 填充输入Tensor的值。如果 `value` 是Tensor，那么 `value` 要求是数据类型与 `x` 相同的0维Tensor。否则，该值会自动转化为一个数据类型与 `x` 相同的0维Tensor。
|
||||
|
||||
- **x** (Tensor) - 输入Tensor，支持的数据类型是数值型和布尔型。
|
||||
- **dim** (Union[int, Tensor]) - 填充输入Tensor的维度，要求是一个int或者数据类型为int32或int64的0维Tensor。
|
||||
- **index** (Tensor) - 填充输入Tensor的索引，数据类型为int32。
|
||||
- **value** (Union[bool, int, float, Tensor]) - 填充输入Tensor的值。如果 `value` 是Tensor，那么 `value` 要求是数据类型与 `x` 相同的0维Tensor。否则，该值会自动转化为一个数据类型与 `x` 相同的0维Tensor。
|
||||
返回：
|
||||
填充后的Tensor。shape和数据类型与输入 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
填充后的Tensor。shape和数据类型与输入 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 的类型不是Tensor。
|
||||
- **TypeError** - `dim` 的类型不是int或者Tensor。
|
||||
- **TypeError** - 当 `dim` 是Tensor时， `dim` 的数据类型不是int32或者int64。
|
||||
- **TypeError** - `index` 的类型不是Tensor。
|
||||
- **TypeError** - `index` 的数据类型不是int32。
|
||||
- **TypeError** - `value` 的类型不是bool、int、float或者Tensor。
|
||||
- **TypeError** - 当 `value` 是Tensor时， `value` 的数据类型和 `x` 的数据类型不相同。
|
||||
- **ValueError** - 当 `dim` 是Tensor时， `dim` 的维度不等于0。
|
||||
- **ValueError** - `index` 的维度大于1。
|
||||
- **ValueError** - 当 `value` 是Tensor时， `value` 的维度不等于0。
|
||||
- **RuntimeError** - `dim` 值超出范围[-x.ndim, x.ndim - 1]。
|
||||
- **RuntimeError** - `index` 存在值超出范围[-x.shape[dim], x.shape[dim]-1]。
|
||||
异常：
|
||||
- **TypeError** - `x` 的类型不是Tensor。
|
||||
- **TypeError** - `dim` 的类型不是int或者Tensor。
|
||||
- **TypeError** - 当 `dim` 是Tensor时， `dim` 的数据类型不是int32或者int64。
|
||||
- **TypeError** - `index` 的类型不是Tensor。
|
||||
- **TypeError** - `index` 的数据类型不是int32。
|
||||
- **TypeError** - `value` 的类型不是bool、int、float或者Tensor。
|
||||
- **TypeError** - 当 `value` 是Tensor时， `value` 的数据类型和 `x` 的数据类型不相同。
|
||||
- **ValueError** - 当 `dim` 是Tensor时， `dim` 的维度不等于0。
|
||||
- **ValueError** - `index` 的维度大于1。
|
||||
- **ValueError** - 当 `value` 是Tensor时， `value` 的维度不等于0。
|
||||
- **RuntimeError** - `dim` 值超出范围[-x.ndim, x.ndim - 1]。
|
||||
- **RuntimeError** - `index` 存在值超出范围[-x.shape[dim], x.shape[dim]-1]。
|
||||
|
|
|
|||
|
|
@ -8,20 +8,17 @@ mindspore.ops.inplace_add
|
|||
.. note::
|
||||
`indices` 只能沿着最高轴进行索引。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 待更新的Tensor，支持的数据类型包括 float16，float32，float64，int32。
|
||||
- **v** (Tensor) - 待加上的值，除第0维外每一维度需与 `x` 相同。数据类型应与 `x` 相同。
|
||||
- **indices** (Union[int, tuple]) - 待更新值在原Tensor中的索引。取值范围[0, len(x))。若为tuple，则大小与 `v` 的第一维度大小相同。
|
||||
|
||||
- **x** (Tensor) - 待更新的Tensor，支持的数据类型包括 float16，float32，float64，int32。
|
||||
- **v** (Tensor) - 待加上的值，除第0维外每一维度需与 `x` 相同。数据类型应与 `x` 相同。
|
||||
- **indices** (Union[int, tuple]) - 待更新值在原Tensor中的索引。取值范围[0, len(x))。若为tuple，则大小与 `v` 的第一维度大小相同。
|
||||
返回：
|
||||
Tensor，更新后的Tensor。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，更新后的Tensor。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `indices` 不是int或tuple。
|
||||
- **TypeError** - `indices` 是元组，但是其中的元素不是int。
|
||||
- **ValueError** - `x` 的维度与 `v` 的维度不相等。
|
||||
- **ValueError** - `indices` 的长度与 `v.shape[0]` 不相等。
|
||||
- **ValueError** - `indices` 的值不属于范围 `[0, x.shape[0])` 。
|
||||
异常：
|
||||
- **TypeError** - `indices` 不是int或tuple。
|
||||
- **TypeError** - `indices` 是元组，但是其中的元素不是int。
|
||||
- **ValueError** - `x` 的维度与 `v` 的维度不相等。
|
||||
- **ValueError** - `indices` 的长度与 `v.shape[0]` 不相等。
|
||||
- **ValueError** - `indices` 的值不属于范围 `[0, x.shape[0])` 。
|
||||
|
|
@ -8,20 +8,17 @@ mindspore.ops.inplace_sub
|
|||
.. note::
|
||||
`indices` 只能沿着最高轴进行索引。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 待更新的Tensor，支持的数据类型包括 float16，float32，float64，int32。
|
||||
- **v** (Tensor) - 待减去的值，除第0维外每一维度需与 `x` 相同。数据类型应与 `x` 相同。
|
||||
- **indices** (Union[int, tuple]) - 待更新值在原Tensor中的索引。取值范围[0, len(x))。若为tuple，则大小与 `v` 的第一维度大小相同。
|
||||
|
||||
- **x** (Tensor) - 待更新的Tensor，支持的数据类型包括 float16，float32，float64，int32。
|
||||
- **v** (Tensor) - 待减去的值，除第0维外每一维度需与 `x` 相同。数据类型应与 `x` 相同。
|
||||
- **indices** (Union[int, tuple]) - 待更新值在原Tensor中的索引。取值范围[0, len(x))。若为tuple，则大小与 `v` 的第一维度大小相同。
|
||||
返回：
|
||||
Tensor，更新后的Tensor。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，更新后的Tensor。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `indices` 不是int或tuple。
|
||||
- **TypeError** - `indices` 是元组，但是其中的元素不是int。
|
||||
- **ValueError** - `x` 的维度与 `v` 的维度不相等。
|
||||
- **ValueError** - `indices` 的长度与 `v.shape[0]` 不相等。
|
||||
- **ValueError** - `indices` 的值不属于范围 `[0, x.shape[0])` 。
|
||||
异常：
|
||||
- **TypeError** - `indices` 不是int或tuple。
|
||||
- **TypeError** - `indices` 是元组，但是其中的元素不是int。
|
||||
- **ValueError** - `x` 的维度与 `v` 的维度不相等。
|
||||
- **ValueError** - `indices` 的长度与 `v.shape[0]` 不相等。
|
||||
- **ValueError** - `indices` 的值不属于范围 `[0, x.shape[0])` 。
|
||||
|
|
@ -8,17 +8,14 @@ mindspore.ops.inplace_update
|
|||
.. note::
|
||||
`indices` 只能沿着最高轴进行索引。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 待更新的Tensor。
|
||||
- **v** (Tensor) - 更新的值。
|
||||
- **indices** (Union[int, tuple]) - 待更新值在原Tensor中的索引。
|
||||
|
||||
- **x** (Tensor) - 待更新的Tensor。
|
||||
- **v** (Tensor) - 更新的值。
|
||||
- **indices** (Union[int, tuple]) - 待更新值在原Tensor中的索引。
|
||||
返回：
|
||||
Tensor，更新后的Tensor。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，更新后的Tensor。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `indices` 不是int或tuple。
|
||||
- **TypeError** - `indices` 是元组，但是其中的元素不是int。
|
||||
异常：
|
||||
- **TypeError** - `indices` 不是int或tuple。
|
||||
- **TypeError** - `indices` 是元组，但是其中的元素不是int。
|
||||
|
|
@ -11,41 +11,37 @@ mindspore.ops.interpolate
|
|||
- Ascend平台下，当前不支持将 `mode` 设置为"linear"。
|
||||
- CPU平台下，当 `mode` 是"bilinear"时，当前不支持将 `coordinate_transformation_mode` 设置为"half_pixel"。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 输入Tensor。当 `mode` 是"linear"时， `x` 为3维Tensor。当 `mode` 是"bilinear"时， `x` 为4维Tensor。
|
||||
- **roi** (tuple[float]， 可选) - 在 `crop_and_resize` 坐标变换模式下生效，当前不支持。
|
||||
- **scales** (tuple[float]， 可选) - 输入shape每个维度resize的系数。 `scales` 中的数全是正数。 `scales` 的长度跟 `x` 的shape长度相同。 `scales` 和 `sizes` 同时只能指定一个。
|
||||
- **sizes** (tuple[int]， 可选) - 输入shape指定轴的新维度。 `sizes` 中的数全是正数。 `scales` 和 `sizes` 同时只能指定一个。当 `mode` 是"linear"时， `sizes` 为1个int元素 :math:`(new\_width,)` 的tuple。当 `mode` 是"bilinear"时， `sizes` 为2个int元素 :math:`(new\_height, new\_width)` 的tuple。
|
||||
- **coordinate_transformation_mode** (str) - 指定进行坐标变换的方式，默认值是"align_corners"，还可选"half_pixel"和"asymmetric"。
|
||||
假如我们需要将输入Tensor的x轴进行resize。我们记 `new_i` 为resize之后的Tenosr沿x轴的第i个坐标；记 `old_i` 为输入Tensor沿x轴的对应坐标；
|
||||
记 `new_length` 是resize之后的Tensor沿着x轴的长度， 记 `old_length` 是输入Tensor沿x轴的长度。我们可以通过下面的公式计算出来 `old_i` :
|
||||
|
||||
- **x** (Tensor) - 输入Tensor。当 `mode` 是"linear"时， `x` 为3维Tensor。当 `mode` 是"bilinear"时， `x` 为4维Tensor。
|
||||
- **roi** (tuple[float]， 可选) - 在 `crop_and_resize` 坐标变换模式下生效，当前不支持。
|
||||
- **scales** (tuple[float]， 可选) - 输入shape每个维度resize的系数。 `scales` 中的数全是正数。 `scales` 的长度跟 `x` 的shape长度相同。 `scales` 和 `sizes` 同时只能指定一个。
|
||||
- **sizes** (tuple[int]， 可选) - 输入shape指定轴的新维度。 `sizes` 中的数全是正数。 `scales` 和 `sizes` 同时只能指定一个。当 `mode` 是"linear"时， `sizes` 为1个int元素 :math:`(new\_width,)` 的tuple。当 `mode` 是"bilinear"时， `sizes` 为2个int元素 :math:`(new\_height, new\_width)` 的tuple。
|
||||
- **coordinate_transformation_mode** (str) - 指定进行坐标变换的方式，默认值是"align_corners"， 还可选"half_pixel"和"asymmetric"。
|
||||
假如我们需要将输入Tensor的x轴进行resize。我们记 `new_i` 为resize之后的Tenosr沿x轴的第i个坐标； 记 `old_i` 为输入Tensor沿x轴的对应坐标；
|
||||
记 `new_length` 是resize之后的Tensor沿着x轴的长度， 记 `old_length` 是输入Tensor沿x轴的长度。我们可以通过下面的公式计算出来 `old_i` :
|
||||
.. code-block::
|
||||
|
||||
.. code-block::
|
||||
old_i = new_length != 1 ? new_i * (old_length - 1) / (new_length - 1) : 0 # if set to 'align_corners'
|
||||
|
||||
old_i = new_length != 1 ? new_i * (old_length - 1) / (new_length - 1) : 0 # if set to 'align_corners'
|
||||
old_i = new_length > 1 ? (new_x + 0.5) * old_length / new_length - 0.5 : 0 # if set to 'half_pixel'
|
||||
|
||||
old_i = new_length > 1 ? (new_x + 0.5) * old_length / new_length - 0.5 : 0 # if set to 'half_pixel'
|
||||
|
||||
old_i = new_length != 0 ? new_i * old_length / new_length : 0 # if set to 'asymmetric'
|
||||
old_i = new_length != 0 ? new_i * old_length / new_length : 0 # if set to 'asymmetric'
|
||||
|
||||
|
||||
- **mode** (str) - 所使用的插值方式。 目前支持"linear"和"bilinear"插值方式。默认值: "linear"。
|
||||
- **mode** (str) - 所使用的插值方式。目前支持"linear"和"bilinear"插值方式。默认值: "linear"。
|
||||
|
||||
返回：
|
||||
Tensor，数据类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不支持。
|
||||
- **TypeError** - `scales` 不是float类型的tuple。
|
||||
- **ValueError** - `scales` 中的数不全是正数。
|
||||
- **TypeError** - `sizes` 不是int64类型的tuple。
|
||||
- **ValueError** - `sizes` 中的数不全是正数。
|
||||
- **TypeError** - `coordinate_transformation_mode` 不是string。
|
||||
- **ValueError** - `coordinate_transformation_mode` 不在支持的列表中。
|
||||
- **TypeError** - `mode` 不是string类型。
|
||||
- **ValueError** - `mode` 不在支持的列表中。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不支持。
|
||||
- **TypeError** - `scales` 不是float类型的tuple。
|
||||
- **ValueError** - `scales` 中的数不全是正数。
|
||||
- **TypeError** - `sizes` 不是int64类型的tuple。
|
||||
- **ValueError** - `sizes` 中的数不全是正数。
|
||||
- **TypeError** - `coordinate_transformation_mode` 不是string。
|
||||
- **ValueError** - `coordinate_transformation_mode` 不在支持的列表中。
|
||||
- **TypeError** - `mode` 不是string类型。
|
||||
- **ValueError** - `mode` 不在支持的列表中。
|
||||
|
|
@ -5,18 +5,15 @@ mindspore.ops.intopk
|
|||
|
||||
判断目标标签是否在前 `k` 个预测中。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x1** (Tensor) - 2维Tensor，对样本的预测。数据类型支持float16或float32。
|
||||
- **x2** (Tensor) - 1维Tensor，样本的标签。数据类型为int32。 `x2` 的大小必须与 `x1` 第一维度的大小相同。 `x2` 取值不可为负且必须小于或等于 `x1` 第二维度的大小。
|
||||
- **k** (int) - 指定在最后一维上参与比较的top元素的数量。
|
||||
|
||||
- **x1** (Tensor) - 2维Tensor，对样本的预测。数据类型支持float16或float32。
|
||||
- **x2** (Tensor) - 1维Tensor，样本的标签。数据类型为int32。 `x2` 的大小必须与 `x1` 第一维度的大小相同。 `x2` 取值不可为负且必须小于或等于 `x1` 第二维度的大小。
|
||||
- **k** (int) - 指定在最后一维上参与比较的top元素的数量。
|
||||
返回：
|
||||
1维的bool类型Tensor，与 `x2` shape相同。对于 `x2` 中的样本标签 `i`，如果它在 `x1` 的前 `k` 个预测值中，则输出值为True，否则为False。
|
||||
|
||||
**返回：**
|
||||
|
||||
1维的bool类型Tensor，与 `x2` shape相同。对于 `x2` 中的样本标签 `i`，如果它在 `x1` 的前 `k` 个预测值中，则输出值为True，否则为False。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `k` 不是int类型。
|
||||
- **TypeError** - `x1` 或 `x2` 不是Tensor。
|
||||
- **TypeError** - `x1` 的数据类型非float16或float32。
|
||||
异常：
|
||||
- **TypeError** - `k` 不是int类型。
|
||||
- **TypeError** - `x1` 或 `x2` 不是Tensor。
|
||||
- **TypeError** - `x1` 的数据类型非float16或float32。
|
||||
|
|
|
|||
|
|
@ -8,15 +8,12 @@ mindspore.ops.inv
|
|||
.. math::
|
||||
out_i = \frac{1}{x_{i} }
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 任意维度的Tensor。其数据类型为float16、float32或int32。
|
||||
|
||||
- **x** (Tensor) - 任意维度的Tensor。其数据类型为float16、float32或int32。
|
||||
返回：
|
||||
Tensor，shape和类型与输入相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和类型与输入相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不为float16、float32或int32。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型不为float16、float32或int32。
|
||||
|
|
|
|||
|
|
@ -8,14 +8,11 @@ mindspore.ops.invert
|
|||
.. math::
|
||||
out_i = \sim x_{i}
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - `x` 的shape为 :math:`(x_1, x_2, ..., x_R)`。其数据类型为int16或uint16。
|
||||
|
||||
- **x** (Tensor) - `x` 的shape为 :math:`(x_1, x_2, ..., x_R)`。其数据类型为int16或uint16。
|
||||
返回：
|
||||
Tensor，shape和类型与输入相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和类型与输入相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 的数据类型不为int16或uint16。
|
||||
异常：
|
||||
- **TypeError** - `x` 的数据类型不为int16或uint16。
|
||||
|
|
|
|||
|
|
@ -9,24 +9,21 @@ mindspore.ops.isclose
|
|||
|
||||
∣x1−x2∣ ≤ atol + rtol × ∣x2∣
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x1** (Tensor) - 对比的第一个输入，支持的类型有float32，float16，int32。
|
||||
- **x2** (Tensor) - 对比的第二个输入，支持的类型有float32，float16，int32。
|
||||
- **rtol** (float, optional) - 相对容忍度。默认值：1e-05。
|
||||
- **atol** (float, optional) - 绝对容忍度。默认值：1e-08。
|
||||
- **equal_nan** (bool, optional) - 若为True，则两个NaN被视为相同。默认值：False。
|
||||
|
||||
- **x1** (Tensor) - 对比的第一个输入，支持的类型有float32，float16，int32。
|
||||
- **x2** (Tensor) - 对比的第二个输入，支持的类型有float32，float16，int32。
|
||||
- **rtol** (float, optional) - 相对容忍度。默认值：1e-05。
|
||||
- **atol** (float, optional) - 绝对容忍度。默认值：1e-08。
|
||||
- **equal_nan** (bool, optional) - 若为True，则两个NaN被视为相同。默认值：False。
|
||||
返回：
|
||||
Tensor，shape与广播后的shape相同，数据类型是布尔型。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape与广播后的shape相同，数据类型是布尔型。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x1` 和 `x2` 中的任何一个不是Tensor。
|
||||
- **TypeError** - `x1` 和 `x2` 的数据类型不是float16、float32或int32之一。
|
||||
- **TypeError** - `atol` 和 `rtol` 中的任何一个不是float。
|
||||
- **TypeError** - `equal_nan` 不是bool。
|
||||
- **TypeError** - `x1` 和 `x2` 的数据类型不同。
|
||||
- **ValueError** - `x1` 和 `x2` 无法广播。
|
||||
- **ValueError** - `atol` 和 `rtol` 中的任何一个小于零。
|
||||
异常：
|
||||
- **TypeError** - `x1` 和 `x2` 中的任何一个不是Tensor。
|
||||
- **TypeError** - `x1` 和 `x2` 的数据类型不是float16、float32或int32之一。
|
||||
- **TypeError** - `atol` 和 `rtol` 中的任何一个不是float。
|
||||
- **TypeError** - `equal_nan` 不是bool。
|
||||
- **TypeError** - `x1` 和 `x2` 的数据类型不同。
|
||||
- **ValueError** - `x1` 和 `x2` 无法广播。
|
||||
- **ValueError** - `atol` 和 `rtol` 中的任何一个小于零。
|
||||
|
|
|
|||
|
|
@ -14,15 +14,11 @@ mindspore.ops.isnan
|
|||
|
||||
其中 :math:`Nan` 表示的不是number。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - IsNan的输入，任意维度的Tensor。
|
||||
|
||||
- **x** (Tensor) - IsNan的输入，任意维度的Tensor。
|
||||
返回：
|
||||
Tensor，输出的shape与输入相同，数据类型为bool。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，输出的shape与输入相同，数据类型为bool。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
|
|
|
|||
|
|
@ -8,20 +8,17 @@ mindspore.ops.jet
|
|||
.. 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。
|
||||
- **series** (Union[Tensor, tuple[Tensor]]) - 输入的原始第1到第n阶导数。若为tuple则长度与数据类型应与 `primals` 一致。type与 `primals` 相同，Tensor第一维度i对应输出对输入的第1到第i+1阶导数。
|
||||
|
||||
- **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。
|
||||
- **series** (Union[Tensor, tuple[Tensor]]) - 输入的原始第1到第n阶导数。若为tuple则长度与数据类型应与 `primals` 一致。type与 `primals` 相同，Tensor第一维度i对应输出对输入的第1到第i+1阶导数。
|
||||
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1到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1到n阶导数。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `primals` 不是Tensor或tuple。
|
||||
- **TypeError** - `primals` 和 `series` 的type不一致。
|
||||
异常：
|
||||
- **TypeError** - `primals` 不是Tensor或tuple。
|
||||
- **TypeError** - `primals` 和 `series` 的type不一致。
|
||||
|
|
|
|||
|
|
@ -28,22 +28,19 @@ mindspore.ops.kl_div
|
|||
- 目前Ascend平台不支持数据类型float64。
|
||||
- 仅当 `reduction` 设置为"batchmean"时输出才与KL散度的数学定义一致。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **logits** (Tensor) - 数据类型支持float16、float32或float64。
|
||||
- **labels** (Tensor) - 标签Tensor，与 `logits` 的shape和数据类型相同。
|
||||
- **reduction** (str) - 指定输出结果的计算方式。默认值: "mean"。
|
||||
|
||||
- **logits** (Tensor) - 数据类型支持float16、float32或float64。
|
||||
- **labels** (Tensor) - 标签Tensor，与 `logits` 的shape和数据类型相同。
|
||||
- **reduction** (str) - 指定输出结果的计算方式。默认值: "mean"。
|
||||
- 在Ascend平台上， `reduction` 的可选值为"batchmean"、"none"或"sum"。
|
||||
- 在GPU平台上， `reduction` 的可选值为"mean"、"batchmean"、"none"或"sum"。
|
||||
- 在CPU平台上， `reduction` 的可选值为"mean"、"batchmean"、"none"或"sum"。
|
||||
|
||||
- 在Ascend平台上， `reduction` 的可选值为"batchmean"、"none"或"sum"。
|
||||
- 在GPU平台上， `reduction` 的可选值为"mean"、"batchmean"、"none"或"sum"。
|
||||
- 在CPU平台上， `reduction` 的可选值为"mean"、"batchmean"、"none"或"sum"。
|
||||
返回：
|
||||
Tensor或标量。如果 `reduction` 为 'none' ，则输出为Tensor且与 `logits` 的shape相同。否则为标量。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor或标量。如果 `reduction` 为 'none' ，则输出为Tensor且与 `logits` 的shape相同。否则为标量。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `reduction` 不是str。
|
||||
- **TypeError** - `logits` 或 `labels` 不是Tensor。
|
||||
- **TypeError** - `logits` 或 `labels` 的数据类型不是支持的类型。
|
||||
异常：
|
||||
- **TypeError** - `reduction` 不是str。
|
||||
- **TypeError** - `logits` 或 `labels` 不是Tensor。
|
||||
- **TypeError** - `logits` 或 `labels` 的数据类型不是支持的类型。
|
||||
|
|
|
|||
|
|
@ -18,15 +18,12 @@ mindspore.ops.le
|
|||
- 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与广播后的shape相同，数据类型为bool。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape与广播后的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。
|
||||
|
|
|
|||
|
|
@ -12,24 +12,21 @@ mindspore.ops.lerp
|
|||
|
||||
output_{i} = start_{i} + weight_{i} * (end_{i} - start_{i})
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **start** (Tensor) - 进行线性插值的Tensor开始点，其数据类型必须为float16或者float32。
|
||||
- **end** (Tensor) - 进行线性插值的Tensor结束点，其数据类型必须为float16或者float32。
|
||||
- **weight** (Union[float, Tensor]) - 线性插值公式的权重参数。为Scalar时，其数据类型为float。为Tensor时，其数据类型为float16或者float32。
|
||||
|
||||
- **start** (Tensor) - 进行线性插值的Tensor开始点，其数据类型必须为float16或者float32。
|
||||
- **end** (Tensor) - 进行线性插值的Tensor结束点，其数据类型必须为float16或者float32。
|
||||
- **weight** (Union[float, Tensor]) - 线性插值公式的权重参数。为Scalar时，其数据类型为float。为Tensor时，其数据类型为float16或者float32。
|
||||
返回：
|
||||
Tensor，其数据类型和维度必须和输入中的 `start` 保持一致。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，其数据类型和维度必须和输入中的 `start` 保持一致。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 如果 `start` 或者 `end` 不是Tensor。
|
||||
- **TypeError** - 如果 `weight` 不是float类型Scalar或者Tensor。
|
||||
- **TypeError** - 如果 `start` 或者 `end` 的数据类型不是float16或者float32。
|
||||
- **TypeError** - 如果 `weight` 为Tensor且 `weight` 不是float16或者float32。
|
||||
- **TypeError** - 如果 `start` 和 `end` 的数据类型不一致。
|
||||
- **TypeError** - 如果 `weight` 为Tensor且 `start` 、 `end` 和 `weight` 数据类型不一致。
|
||||
- **ValueError** - 如果 `start` 与 `end` 的shape无法广播至一致。
|
||||
- **ValueError** - 如果 `weight` 为Tensor且 `weight` 与 `start` 的shape无法广播至一致。
|
||||
异常：
|
||||
- **TypeError** - 如果 `start` 或者 `end` 不是Tensor。
|
||||
- **TypeError** - 如果 `weight` 不是float类型Scalar或者Tensor。
|
||||
- **TypeError** - 如果 `start` 或者 `end` 的数据类型不是float16或者float32。
|
||||
- **TypeError** - 如果 `weight` 为Tensor且 `weight` 不是float16或者float32。
|
||||
- **TypeError** - 如果 `start` 和 `end` 的数据类型不一致。
|
||||
- **TypeError** - 如果 `weight` 为Tensor且 `start` 、 `end` 和 `weight` 数据类型不一致。
|
||||
- **ValueError** - 如果 `start` 与 `end` 的shape无法广播至一致。
|
||||
- **ValueError** - 如果 `weight` 为Tensor且 `weight` 与 `start` 的shape无法广播至一致。
|
||||
|
||||
|
|
|
|||
|
|
@ -11,20 +11,17 @@ mindspore.ops.linspace
|
|||
&output = [start, start+step, start+2*step, ... , stop]
|
||||
\end{aligned}
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **start** (Tensor) - 0维Tensor，数据类型必须为float32。区间的起始值。
|
||||
- **stop** (Tensor) - 0维Tensor，数据类型必须为float32。区间的末尾值。
|
||||
- **num** (int) - 间隔中的包含的数值数量，包括区间端点。必须为正数。
|
||||
|
||||
- **start** (Tensor) - 0维Tensor，数据类型必须为float32。区间的起始值。
|
||||
- **stop** (Tensor) - 0维Tensor，数据类型必须为float32。区间的末尾值。
|
||||
- **num** (int) - 间隔中的包含的数值数量，包括区间端点。必须为正数。
|
||||
返回：
|
||||
Tensor，具有与 `start` 相同的dtype，shape为 :math:`(num)` 。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，具有与 `start` 相同的dtype，shape为 :math:`(num)` 。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `start` 或 `stop` 不是Tensor。
|
||||
- **TypeError** - `start` 或 `stop` 的数据类型不是float32。
|
||||
- **ValueError** - `start` 或 `stop` 的维度不是0。
|
||||
- **TypeError** - `num` 不是int类型。
|
||||
- **ValueError** - `num` 不是正数。
|
||||
异常：
|
||||
- **TypeError** - `start` 或 `stop` 不是Tensor。
|
||||
- **TypeError** - `start` 或 `stop` 的数据类型不是float32。
|
||||
- **ValueError** - `start` 或 `stop` 的维度不是0。
|
||||
- **TypeError** - `num` 不是int类型。
|
||||
- **ValueError** - `num` 不是正数。
|
||||
|
|
|
|||
|
|
@ -15,16 +15,13 @@ mindspore.ops.log
|
|||
.. note::
|
||||
Ascend上输入Tensor的维度要小于等于8，CPU上输入Tensor的维度要小于8。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 任意维度的输入Tensor。该值必须大于0。
|
||||
|
||||
- **x** (Tensor) - 任意维度的输入Tensor。该值必须大于0。
|
||||
返回：
|
||||
Tensor，具有与 `x` 相同的shape。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，具有与 `x` 相同的shape。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - 在GPU和CPU平台上运行时，`x` 的数据类型不是float16、float32或float64。
|
||||
- **TypeError** - 在Ascend平台上运行时，`x` 的数据类型不是float16或float32。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - 在GPU和CPU平台上运行时，`x` 的数据类型不是float16、float32或float64。
|
||||
- **TypeError** - 在Ascend平台上运行时，`x` 的数据类型不是float16或float32。
|
||||
|
|
|
|||
|
|
@ -8,17 +8,14 @@ mindspore.ops.log1p
|
|||
.. math::
|
||||
out_i = {log_e}(x_i + 1)
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 输入Tensor。数据类型为float16或float32。
|
||||
该值必须大于-1。
|
||||
shape： :math:`(N,*)` 其中 :math:`*` 表示任何数量的附加维度，其秩应小于8。
|
||||
|
||||
- **x** (Tensor) - 输入Tensor。数据类型为float16或float32。
|
||||
该值必须大于-1。
|
||||
shape： :math:`(N,*)` 其中 :math:`*` 表示任何数量的附加维度，其秩应小于8。
|
||||
返回：
|
||||
Tensor，与 `x` 的shape相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，与 `x` 的shape相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型非float16或float32。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **TypeError** - `x` 的数据类型非float16或float32。
|
||||
|
|
|
|||
|
|
@ -5,19 +5,16 @@ mindspore.ops.log_matrix_determinant
|
|||
|
||||
计算一个或多个平方矩阵行列式绝对值的对数的符号和绝对值的对数。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 输入Tensor， shape 为 :math:`[..., M, M]` 。矩阵必须至少有两个维度，最后两个维度尺寸必须相同。支持的数据类型为float32、float64、complex64或complex128。
|
||||
|
||||
- **x** (Tensor) - 输入Tensor， shape 为 :math:`[..., M, M]` 。矩阵必须至少有两个维度，最后两个维度尺寸必须相同。支持的数据类型为float32、float64、complex64或complex128。
|
||||
返回：
|
||||
Tensor，行列式的绝对值的对数的符号， 形状为 `x_shape[:-2]` ，数据类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
Tensor，行列式的绝对值的对数， 形状为 `x_shape[:-2]` ，数据类型与 `x` 相同。
|
||||
|
||||
Tensor，行列式的绝对值的对数的符号， 形状为 `x_shape[:-2]` ，数据类型与 `x` 相同。
|
||||
|
||||
Tensor，行列式的绝对值的对数， 形状为 `x_shape[:-2]` ，数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不为 Tensor。
|
||||
- **TypeError** - `x` 的数据类型不为以下类型： mstype.float32、 mstype.float64、 mstype.complex64 和 mstype.complex128。
|
||||
- **ValueError** - `x` 的最后两个维度大小不同。
|
||||
- **ValueError** - `x` 的维数小于2。
|
||||
异常：
|
||||
- **TypeError** - `x` 不为 Tensor。
|
||||
- **TypeError** - `x` 的数据类型不为以下类型： mstype.float32、 mstype.float64、 mstype.complex64 和 mstype.complex128。
|
||||
- **ValueError** - `x` 的最后两个维度大小不同。
|
||||
- **ValueError** - `x` 的维数小于2。
|
||||
|
|
|
|||
|
|
@ -12,17 +12,14 @@ mindspore.ops.log_softmax
|
|||
|
||||
其中， :math:`N` 为Tensor长度。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **logits** (Tensor) - shape： :math:`(N, *)` ，其中 :math:`*` 表示任意数量的附加维度，其数据类型为float16或float32。
|
||||
- **axis** (int) - 指定进行运算的轴。默认值：-1。
|
||||
|
||||
- **logits** (Tensor) - shape： :math:`(N, *)` ，其中 :math:`*` 表示任意数量的附加维度，其数据类型为float16或float32。
|
||||
- **axis** (int) - 指定进行运算的轴。默认值：-1。
|
||||
输出：
|
||||
Tensor，数据类型和shape与 `logits` 相同。
|
||||
|
||||
**输出：**
|
||||
|
||||
Tensor，数据类型和shape与 `logits` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `axis` 不是int。
|
||||
- **TypeError** - `logits` 的数据类型既不是float16也不是float32。
|
||||
- **ValueError** - `axis` 不在[-len(logits.shape), len(logits.shape))范围中。
|
||||
异常：
|
||||
- **TypeError** - `axis` 不是int。
|
||||
- **TypeError** - `logits` 的数据类型既不是float16也不是float32。
|
||||
- **ValueError** - `axis` 不在[-len(logits.shape), len(logits.shape))范围中。
|
||||
|
|
@ -12,16 +12,14 @@ mindspore.ops.logsumexp
|
|||
.. note::
|
||||
Ascend上输入Tensor的维度要小于等于8，CPU上输入Tensor的维度要小于8。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 任意维度的输入Tensor。数据类型为float16或float32。
|
||||
- **axis** (Union[int, tuple(int), list(int)]) - 需要reduce的维度，输入为 `()` 时reduce所有维度。
|
||||
- **keep_dims** (bool) - 是否保留reduce的维度。若设为True，则计算后指定的axis的长度为1，否则不保留该维度。默认值：False。
|
||||
|
||||
- **x** (Tensor) - 任意维度的输入Tensor。数据类型为float16或float32。
|
||||
- **axis** (Union[int, tuple(int), list(int)]) - 需要reduce的维度，输入为 `()` 时reduce所有维度。
|
||||
- **keep_dims** (bool) - 是否保留reduce的维度。若设为True，则计算后指定的axis的长度为1，否则不保留该维度。默认值：False。
|
||||
返回：
|
||||
Tensor，具有与 `x` 相同的数据类型。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，具有与 `x` 相同的数据类型。
|
||||
|
||||
- 若axis为()，且 `keep_dims` 设为False，则输出为0维Tensor。
|
||||
- 若axis为int类型，假设为2，且 `keep_dims` 设为False，则输出的shape为 :math:`(x_1, x_3, ..., x_R)` 。
|
||||
- 若axis为tuple(int)，假设为(2, 3)，且 `keep_dims` 为False，则输出shape为 :math:`(x_1, x_4, ..., x_R)` 。
|
||||
- 若axis为()，且 `keep_dims` 设为False，则输出为0维Tensor。
|
||||
- 若axis为int类型，假设为2，且 `keep_dims` 设为False，则输出的shape为 :math:`(x_1, x_3, ..., x_R)` 。
|
||||
- 若axis为tuple(int)，假设为(2, 3)，且 `keep_dims` 为False，则输出shape为 :math:`(x_1, x_4, ..., x_R)` 。
|
||||
|
|
|
|||
|
|
@ -13,22 +13,19 @@ mindspore.ops.lrn
|
|||
:math:`n/2` 为参数 `depth_radius` ； :math:`k` 为参数 `bias` ；
|
||||
:math:`\alpha` 为参数 `alpha` ； :math:`\beta` 为参数 `beta` 。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 数据类型为float16或float32的4维Tensor。
|
||||
- **depth_radius** (int) - 一维归一化窗口的半宽。默认值：5。
|
||||
- **bias** (float) - 偏移量（通常为正以避免除零问题）。默认值：1.0。
|
||||
- **alpha** (float) - 比例系数，通常为正。默认值：1.0。
|
||||
- **beta** (float) - 指数。默认值：0.5。
|
||||
- **norm_region** (str) - 指定归一化区域。可选值："ACROSS_CHANNELS"。默认值："ACROSS_CHANNELS"。
|
||||
|
||||
- **x** (Tensor) - 数据类型为float16或float32的4维Tensor。
|
||||
- **depth_radius** (int) - 一维归一化窗口的半宽。默认值：5。
|
||||
- **bias** (float) - 偏移量（通常为正以避免除零问题）。默认值：1.0。
|
||||
- **alpha** (float) - 比例系数，通常为正。默认值：1.0。
|
||||
- **beta** (float) - 指数。默认值：0.5。
|
||||
- **norm_region** (str) - 指定归一化区域。可选值："ACROSS_CHANNELS"。默认值："ACROSS_CHANNELS"。
|
||||
返回：
|
||||
Tensor，与 `x` 的shape和数据类型相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，与 `x` 的shape和数据类型相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `depth_radius` 不是int类型。
|
||||
- **TypeError** - `bias` 、 `alpha` 或 `beta` 不是float类型。
|
||||
- **TypeError** - `norm_region` 不是str。
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
异常：
|
||||
- **TypeError** - `depth_radius` 不是int类型。
|
||||
- **TypeError** - `bias` 、 `alpha` 或 `beta` 不是float类型。
|
||||
- **TypeError** - `norm_region` 不是str。
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
|
|
|
|||
|
|
@ -5,25 +5,21 @@ mindspore.ops.masked_fill
|
|||
|
||||
将掩码位置为True的位置填充指定的值。`input_x` 和 `mask` 的shape需相同或可广播。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Tensor) - 输入Tensor，其数据类型为float16、float32、int8、或int32。
|
||||
- **mask** (Tensor[bool]) - 输入的掩码，其数据类型为bool。
|
||||
- **value** (Union[float, Tensor]) - 用来填充的值，其数据类型与 `input_x` 相同。
|
||||
|
||||
- **input_x** (Tensor) - 输入Tensor，其数据类型为float16、float32、int8、或int32。
|
||||
- **mask** (Tensor[bool]) - 输入的掩码，其数据类型为bool。
|
||||
- **value** (Union[float, Tensor]) - 用来填充的值，其数据类型与 `input_x` 相同。
|
||||
返回：
|
||||
Tensor，输出与输入的数据类型和shape相同。
|
||||
|
||||
**返回：**
|
||||
异常：
|
||||
- **TypeError** - `mask` 的数据类型不是bool。
|
||||
- **TypeError** - `input_x` 或 `mask` 不是Tensor。
|
||||
- **ValueError** - `input_x` 和 `mask` 的shape不可广播。
|
||||
- **TypeError** - `input_x` 或 `value` 的数据类型不是float16、float32、int8、或int32。
|
||||
- **TypeError** - `value` 的数据类型与 `input_x` 不同。
|
||||
- **TypeError** - `value` 既不是float也不是Tensor。
|
||||
|
||||
Tensor，输出与输入的数据类型和shape相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `mask` 的数据类型不是bool。
|
||||
- **TypeError** - `input_x` 或 `mask` 不是Tensor。
|
||||
- **ValueError** - `input_x` 和 `mask` 的shape不可广播。
|
||||
- **TypeError** - `input_x` 或 `value` 的数据类型不是float16、float32、int8、或int32。
|
||||
- **TypeError** - `value` 的数据类型与 `input_x` 不同。
|
||||
- **TypeError** - `value` 既不是float也不是Tensor。
|
||||
|
||||
|
||||
|
||||
|
||||
|
|
@ -5,16 +5,13 @@ mindspore.ops.masked_select
|
|||
|
||||
返回一个一维张量，其中的内容是 `x` 张量中对应于 `mask` 张量中True位置的值。`mask` 的shape与 `x` 的shape不需要一样，但必须符合广播规则。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 它的shape是 :math:`(x_1, x_2, ..., x_R)`。
|
||||
- **mask** (Tensor[bool]) - 它的shape是 :math:`(x_1, x_2, ..., x_R)`。
|
||||
|
||||
- **x** (Tensor) - 它的shape是 :math:`(x_1, x_2, ..., x_R)`。
|
||||
- **mask** (Tensor[bool]) - 它的shape是 :math:`(x_1, x_2, ..., x_R)`。
|
||||
返回：
|
||||
一个一维Tensor，类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
一个一维Tensor, 类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 或 `mask` 不是Tensor。
|
||||
- **TypeError** - `mask` 不是bool类型的Tensor。
|
||||
异常：
|
||||
- **TypeError** - `x` 或 `mask` 不是Tensor。
|
||||
- **TypeError** - `mask` 不是bool类型的Tensor。
|
||||
|
|
@ -8,16 +8,13 @@ mindspore.ops.matmul
|
|||
.. note::
|
||||
不支持NumPy参数 `out` 、 `casting` 、 `order` 、 `subok` 、 `signature` 、 `extobj` 。在GPU上支持的数据类型为np.float16和np.float32。在CPU上支持的数据类型为np.float16和np.float32。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x1** (Tensor) - 输入Tensor，不支持Scalar， `x1` 的最后一维度和 `x2` 的倒数第二维度相等，且 `x1` 和 `x2` 彼此支持广播。
|
||||
- **x2** (Tensor) - 输入Tensor，不支持Scalar， `x1` 的最后一维度和 `x2` 的倒数第二维度相等，且 `x1` 和 `x2` 彼此支持广播。
|
||||
|
||||
- **x1** (Tensor) - 输入Tensor，不支持Scalar， `x1` 的最后一维度和 `x2` 的倒数第二维度相等，且 `x1` 和 `x2` 彼此支持广播。
|
||||
- **x2** (Tensor) - 输入Tensor，不支持Scalar， `x1` 的最后一维度和 `x2` 的倒数第二维度相等，且 `x1` 和 `x2` 彼此支持广播。
|
||||
返回：
|
||||
Tensor或Scalar，输入的矩阵乘积。仅当 `x1` 和 `x2` 为一维向量时，输出为Scalar。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor或Scalar，输入的矩阵乘积。仅当 `x1` 和 `x2` 为一维向量时，输出为Scalar。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **ValueError** - `x1` 的最后一维度和 `x2` 的倒数第二维度不相等，或者输入的是Scalar。
|
||||
- **ValueError** - `x1` 和 `x2` 彼此不能广播。
|
||||
异常：
|
||||
- **ValueError** - `x1` 的最后一维度和 `x2` 的倒数第二维度不相等，或者输入的是Scalar。
|
||||
- **ValueError** - `x1` 和 `x2` 彼此不能广播。
|
||||
|
|
|
|||
|
|
@ -5,24 +5,21 @@ mindspore.ops.matrix_band_part
|
|||
|
||||
将矩阵的每个中心带外的所有位置设置为0。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - `x` 的shape为 :math:`(*, m, n)` ，其中 :math:`*` 表示任意batch维度。`x` 的数据类型必须为float16、float32、float64、int32或int64。
|
||||
- **lower** (Union[int, Tensor]) - 要保留的下部子对角线数。其数据类型必须是int32或int64。如果为负数，则保留整个下三角形。
|
||||
- **upper** (Union[int, Tensor]) - 要保留的上部子对角线数。其数据类型必须是int32或int64。如果为负数，则保留整个上三角形。
|
||||
|
||||
- **x** (Tensor) - `x` 的shape为 :math:`(*, m, n)` ，其中 :math:`*` 表示任意batch维度。`x` 的数据类型必须为float16、float32、float64、int32或int64。
|
||||
- **lower** (Union[int, Tensor]) - 要保留的下部子对角线数。其数据类型必须是int32或int64。如果为负数，则保留整个下三角形。
|
||||
- **upper** (Union[int, Tensor]) - 要保留的上部子对角线数。其数据类型必须是int32或int64。如果为负数，则保留整个上三角形。
|
||||
返回：
|
||||
Tensor，其数据类型和维度必须和输入中的 `x` 保持一致。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，其数据类型和维度必须和输入中的 `x` 保持一致。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是一个Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16、float32、float64、int32或int64。
|
||||
- **TypeError** - `lower` 不是一个数值或者Tensor。
|
||||
- **TypeError** - `upper` 不是一个数值或者Tensor。
|
||||
- **TypeError** - `lower` 的数据类型不是int32或int64。
|
||||
- **TypeError** - `upper` 的数据类型不是int32或int64。
|
||||
- **ValueError** - `x` 的shape不是大于或等于2维。
|
||||
- **ValueError** - `lower` 的shape不等于0维。
|
||||
- **ValueError** - `upper` 的shape不等于0维。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是一个Tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16、float32、float64、int32或int64。
|
||||
- **TypeError** - `lower` 不是一个数值或者Tensor。
|
||||
- **TypeError** - `upper` 不是一个数值或者Tensor。
|
||||
- **TypeError** - `lower` 的数据类型不是int32或int64。
|
||||
- **TypeError** - `upper` 的数据类型不是int32或int64。
|
||||
- **ValueError** - `x` 的shape不是大于或等于2维。
|
||||
- **ValueError** - `lower` 的shape不等于0维。
|
||||
- **ValueError** - `upper` 的shape不等于0维。
|
||||
|
|
|
|||
|
|
@ -5,17 +5,14 @@ mindspore.ops.matrix_determinant
|
|||
|
||||
计算一个或多个方阵的行列式。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 输入Tensor， shape 为 :math:`[..., M, M]` 。矩阵必须至少有两个维度，最后两个维度尺寸必须相同。支持的数据类型为float32、float64、complex64或complex128。
|
||||
|
||||
- **x** (Tensor) - 输入Tensor， shape 为 :math:`[..., M, M]` 。矩阵必须至少有两个维度，最后两个维度尺寸必须相同。支持的数据类型为float32、float64、complex64或complex128。
|
||||
返回：
|
||||
Tensor，形状为 `x_shape[:-2]` ，数据类型与 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，形状为 `x_shape[:-2]` ，数据类型与 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不为 Tensor。
|
||||
- **TypeError** - `x` 的数据类型不为以下类型： mstype.float32、 mstype.float64、 mstype.complex64 和 mstype.complex128。
|
||||
- **ValueError** - `x` 的最后两个维度大小不同。
|
||||
- **ValueError** - `x` 的维数小于2。
|
||||
异常：
|
||||
- **TypeError** - `x` 不为 Tensor。
|
||||
- **TypeError** - `x` 的数据类型不为以下类型： mstype.float32、 mstype.float64、 mstype.complex64 和 mstype.complex128。
|
||||
- **ValueError** - `x` 的最后两个维度大小不同。
|
||||
- **ValueError** - `x` 的维数小于2。
|
||||
|
|
|
|||
|
|
@ -7,32 +7,29 @@ mindspore.ops.matrix_diag
|
|||
通过 `num_rows` 和 `num_cols` 指定输出最内层矩阵的维度，其维度大小需要符合要求。如果两者都没有指定，那么算子假定输出Tensor最内层的矩阵是方阵，并从输入 `k` 和输入 `x` 最内层的维度推断出输出的具体维度大小。如果 `num_rows` 和 `num_cols` 仅指定其中一个，那么算子将推导出最小的合法值作为输出的维度。
|
||||
此外，当只有一条对角线时（即当k为整数或者k[0]==k[1]），`x` 的第一维到倒数第二维都属于批量的范围，否则倒数第二维不属于批量的维度。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 对角线Tensor。
|
||||
- **k** (Union[int, Tensor], optional) - int32类型的Tensor。对角线偏移。正值表示超对角线，0表示主对角线，负值表示次对角线。k可以是单个整数（对于单个对角线）或一对整数，指定矩阵带的上界和下界，且k[0]不得大于k[1]。该值必须在必须在（-num_rows，num_cols）中。默认值：0。
|
||||
- **num_rows** (Union[int, Tensor], optional) - int32类型的单值Tensor，表示输出Tensor的行数。若该值为-1，则表示输出Tensor的最内层矩阵是一个方阵，实际行数将由其他输入推导。默认值：-1。
|
||||
- **num_cols** (Union[int, Tensor], optional) - int32类型的单值Tensor，表示输出Tensor的列数。若该值为-1，则表示输出Tensor的最内层矩阵是一个方阵，实际列数将由其他输入推导。默认值：-1。
|
||||
- **padding_value** (Union[int, float, Tensor], optional) - 与 `x` 相同的数据类型的单值Tensor，表示填充对角线带外区域的数值，默认值：0。
|
||||
- **align** (str, optional) - 一个字符串，指定超对角线和次对角线的对齐方式。可选字符串有：RIGHT_LEFT、"LEFT_RIGHT"、"LEFT_LEFT"、"RIGHT_RIGHT"。例如，"RIGHT_LEFT"表示将超对角线与右侧对齐（左侧填充行），将次对角线与左侧对齐（右侧填充行）。默认值："RIGHT_LEFT"。
|
||||
|
||||
- **x** (Tensor) - 对角线Tensor。
|
||||
- **k** (Union[int, Tensor], optional) - int32类型的Tensor。对角线偏移。正值表示超对角线，0表示主对角线，负值表示次对角线。k可以是单个整数（对于单个对角线）或一对整数，指定矩阵带的上界和下界，且k[0]不得大于k[1]。该值必须在必须在（-num_rows，num_cols）中。默认值：0。
|
||||
- **num_rows** (Union[int, Tensor], optional) - int32类型的单值Tensor，表示输出Tensor的行数。若该值为-1，则表示输出Tensor的最内层矩阵是一个方阵，实际行数将由其他输入推导。默认值：-1。
|
||||
- **num_cols** (Union[int, Tensor], optional) - int32类型的单值Tensor，表示输出Tensor的列数。若该值为-1，则表示输出Tensor的最内层矩阵是一个方阵，实际列数将由其他输入推导。默认值：-1。
|
||||
- **padding_value** (Union[int, float, Tensor], optional) - 与 `x` 相同的数据类型的单值Tensor，表示填充对角线带外区域的数值，默认值：0。
|
||||
- **align** (str, optional) - 一个字符串，指定超对角线和次对角线的对齐方式。可选字符串有：RIGHT_LEFT、"LEFT_RIGHT"、"LEFT_LEFT"、"RIGHT_RIGHT"。例如，"RIGHT_LEFT"表示将超对角线与右侧对齐（左侧填充行），将次对角线与左侧对齐（右侧填充行）。默认值："RIGHT_LEFT"。
|
||||
返回：
|
||||
Tensor，与 `x` 的类型相同。
|
||||
设 `x` 有r维 `(I， J， ...， M， N)` 。当只给出一条对角线（k是整数或k[0]==k[1]）时，输出Tensor的维度是r + 1，具有shape `(I，J，…，M，num_rows，num_cols)` 。否则，输出Tensor的维度是r，具有shape `(I，J，…，num_rows，num_cols)` 。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，与 `x` 的类型相同。
|
||||
设 `x` 有r维 `(I， J， ...， M， N)` 。当只给出一条对角线（k是整数或k[0]==k[1]）时，输出Tensor的维度是r + 1，具有shape `(I，J，…，M，num_rows，num_cols)` 。否则，输出Tensor的维度是r，具有shape `(I，J，…，num_rows，num_cols)` 。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不为Tensor。
|
||||
- **TypeError** - `x` 与 `padding_value` 数据类型不同。
|
||||
- **TypeError** - `k` 、 `num_rows` 、 `num_cols` 数据类型不为int32。
|
||||
- **ValueError** - `k` 的维度不为0或1。
|
||||
- **ValueError** - `padding_value` 、 `num_rows` 、 `num_cols` 的维度不为0。
|
||||
- **ValueError** - `k` 的大小不为1或2。
|
||||
- **ValueError** - `k` 的取值不在 (-num_rows, num_cols) 范围内。
|
||||
- **ValueError** - 当k[0] != k[1]时，k[1]小于k[0]。
|
||||
- **ValueError** - 当k为整数或k[0] == k[1]时， `x` 的维度小于1。
|
||||
- **ValueError** - 当k[0] != k[1]时，`x` 的维度小于2。
|
||||
- **ValueError** - 当k[0] != k[1]时，x.shape[-2]不等于k[1] - k[0] + 1。
|
||||
- **ValueError** - `num_rows` 和 `num_cols` 与 `x` 的维度和 `k` 的值不匹配。
|
||||
- **ValueError** - `align` 取值不在合法值集合内。
|
||||
异常：
|
||||
- **TypeError** - `x` 不为Tensor。
|
||||
- **TypeError** - `x` 与 `padding_value` 数据类型不同。
|
||||
- **TypeError** - `k` 、 `num_rows` 、 `num_cols` 数据类型不为int32。
|
||||
- **ValueError** - `k` 的维度不为0或1。
|
||||
- **ValueError** - `padding_value` 、 `num_rows` 、 `num_cols` 的维度不为0。
|
||||
- **ValueError** - `k` 的大小不为1或2。
|
||||
- **ValueError** - `k` 的取值不在 (-num_rows, num_cols) 范围内。
|
||||
- **ValueError** - 当k[0] != k[1]时，k[1]小于k[0]。
|
||||
- **ValueError** - 当k为整数或k[0] == k[1]时， `x` 的维度小于1。
|
||||
- **ValueError** - 当k[0] != k[1]时，`x` 的维度小于2。
|
||||
- **ValueError** - 当k[0] != k[1]时，x.shape[-2]不等于k[1] - k[0] + 1。
|
||||
- **ValueError** - `num_rows` 和 `num_cols` 与 `x` 的维度和 `k` 的值不匹配。
|
||||
- **ValueError** - `align` 取值不在合法值集合内。
|
||||
|
|
|
|||
|
|
@ -6,28 +6,25 @@ mindspore.ops.matrix_diag_part
|
|||
返回输入Tensor的对角线部分。
|
||||
返回输入Tensor，内容为输入 `x` 的第k[0]到k[1]个对角线中的值。有些对角线的长度小于 `max_diag_len`， 此时会使用 `padding_value` 填充。在图模式中， 输入 `k` 和 `padding_value` 必须为常量Tensor。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 输入Tensor，维度r需要满足 r >= 2。
|
||||
- **k** (Union[int, Tensor], optional) - int或int32类型的Tensor。对角线偏移。正值表示超对角线，0表示主对角线，负值表示次对角线。k可以是单个整数（对于单个对角线）或一对整数，指定矩阵带的上界和下界，且k[0]不得大于k[1]。该值必须在必须在（-x.shape[-2], x.shape[-1]）中。默认值：0。
|
||||
- **padding_value** (Union[int, float, Tensor], optional) - 与 `x` 相同的数据类型的单值Tensor，表示填充对角线带外区域的数值，默认值：0。
|
||||
- **align** (str, optional) - 一个字符串，指定超对角线和次对角线的对齐方式。可选字符串有："RIGHT_LEFT"、"LEFT_RIGHT"、"LEFT_LEFT"、"RIGHT_RIGHT"。例如，"RIGHT_LEFT"表示将超对角线与右侧对齐（左侧填充行），将次对角线与左侧对齐（右侧填充行）。默认值："RIGHT_LEFT"。
|
||||
|
||||
- **x** (Tensor) - 输入Tensor，维度r需要满足 r >= 2。
|
||||
- **k** (Union[int, Tensor], optional) - int或int32类型的Tensor。对角线偏移。正值表示超对角线，0表示主对角线，负值表示次对角线。k可以是单个整数（对于单个对角线）或一对整数，指定矩阵带的上界和下界，且k[0]不得大于k[1]。该值必须在必须在（-x.shape[-2], x.shape[-1]）中。默认值：0。
|
||||
- **padding_value** (Union[int, float, Tensor], optional) - 与 `x` 相同的数据类型的单值Tensor，表示填充对角线带外区域的数值，默认值：0。
|
||||
- **align** (str, optional) - 一个字符串，指定超对角线和次对角线的对齐方式。可选字符串有："RIGHT_LEFT"、"LEFT_RIGHT"、"LEFT_LEFT"、"RIGHT_RIGHT"。例如，"RIGHT_LEFT"表示将超对角线与右侧对齐（左侧填充行），将次对角线与左侧对齐（右侧填充行）。默认值："RIGHT_LEFT"。
|
||||
返回：
|
||||
Tensor，与 `x` 的类型相同。
|
||||
|
||||
**返回：**
|
||||
设 `x` 有r维 `(I， J， ...， M， N)` 。设 `max_diag_len` 为所有对角线长度中的最大值，则 :math:`max_diag_len = min(M + min(k[1], 0), N + min(-k[0], 0))`。 设 `num_diags` 为输出的维度数，则有 :math:`num_diags = k[1] - k[0] + 1`。如果 :math:`num_diags == 1`，则输出Tensor的维度为r - 1，分别为 :math:`[I, J, ..., L, max_diag_len]`。 否则，输出Tensor的维度为r，分别为 :math:`[I, J, ..., L, num_diags, max_diag_len]`。
|
||||
|
||||
Tensor，与 `x` 的类型相同。
|
||||
|
||||
设 `x` 有r维 `(I， J， ...， M， N)` 。设 `max_diag_len` 为所有对角线长度中的最大值， 则 :math:`max_diag_len = min(M + min(k[1], 0), N + min(-k[0], 0))`。 设 `num_diags` 为输出的维度数，则有 :math:`num_diags = k[1] - k[0] + 1`。如果 :math:`num_diags == 1`，则输出Tensor的维度为r - 1，分别为 :math:`[I, J, ..., L, max_diag_len]`。 否则，输出Tensor的维度为r，分别为 :math:`[I, J, ..., L, num_diags, max_diag_len]`。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不为Tensor。
|
||||
- **TypeError** - `x` 与 `padding_value` 数据类型不同。
|
||||
- **TypeError** - `k` 的数据类型不为int32。
|
||||
- **ValueError** - `align` 取值不在合法值集合内。
|
||||
- **ValueError** - `k` 的维度不为0或1。
|
||||
- **ValueError** - `padding_value` 的维度不为0。
|
||||
- **ValueError** - `x` 的维度不大于等于2。
|
||||
- **ValueError** - `k` 的大小不为1或2。
|
||||
- **ValueError** - 当 `k` 的大小为2时，k[1]小于k[0]。
|
||||
- **ValueError** - `k` 的取值不在 (-x.shape[-2], x.shape[-1]) 范围内。
|
||||
异常：
|
||||
- **TypeError** - `x` 不为Tensor。
|
||||
- **TypeError** - `x` 与 `padding_value` 数据类型不同。
|
||||
- **TypeError** - `k` 的数据类型不为int32。
|
||||
- **ValueError** - `align` 取值不在合法值集合内。
|
||||
- **ValueError** - `k` 的维度不为0或1。
|
||||
- **ValueError** - `padding_value` 的维度不为0。
|
||||
- **ValueError** - `x` 的维度不大于等于2。
|
||||
- **ValueError** - `k` 的大小不为1或2。
|
||||
- **ValueError** - 当 `k` 的大小为2时，k[1]小于k[0]。
|
||||
- **ValueError** - `k` 的取值不在 (-x.shape[-2], x.shape[-1]) 范围内。
|
||||
|
|
|
|||
|
|
@ -11,32 +11,29 @@ mindspore.ops.matrix_set_diag
|
|||
设 `x` 具有 `r + 1` 维 :math:`[I, J, ..., L, M, N]` 。 当 `k` 是整数或 :math:`k[0] == k[1]` 时，对角线 `diagonal` 具有形状
|
||||
为 :math:`[I, J, ..., L, max\_diag\_len]` 。否则，它具有形状为 :math:`[I, J, ... L, num\_diags, max\_diag\_len]` 。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 输入Tensor，其维度为 `r+1` 需要满足 `r >=1` 。
|
||||
- **diagonal** (Tensor) - 输入对角线Tensor，具有与 `x` 相同的数据类型。当 `k` 是整数或 :math:`k[0] == k[1]` 时，其为维度 `r` ，否则，其维度 `r + 1` 。
|
||||
- **k** (Union[int, Tensor], optional) - int32常量或int32类型Tensor。对角线偏移。正值表示超对角线，0表示主对角线，负值表示次对角线。k可以是单个整数（对于单个对角线）或一对整数，指定矩阵带的上界和下界，且 `k[0]` 不得大于 `k[1]` 。该值必须在必须在 :math:`(-x.shape[-2], x.shape[-1])` 中。默认值：0。
|
||||
- **align** (str, optional) - 字符串，指定超对角线和次对角线的对齐方式。可选值："RIGHT_LEFT"、"LEFT_RIGHT"、"LEFT_LEFT"、"RIGHT_RIGHT"。例如，"RIGHT_LEFT"表示将超对角线与右侧对齐（左侧填充行），将次对角线与左侧对齐（右侧填充行）。默认值："RIGHT_LEFT"。
|
||||
|
||||
- **x** (Tensor) - 输入Tensor，其维度为 `r+1` 需要满足 `r >=1` 。
|
||||
- **diagonal** (Tensor) - 输入对角线Tensor，具有与 `x` 相同的数据类型。当 `k` 是整数或 :math:`k[0] == k[1]` 时，其为维度 `r` ，否则，其维度 `r + 1` 。
|
||||
- **k** (Union[int, Tensor], optional) - int32常量或int32类型Tensor。对角线偏移。正值表示超对角线，0表示主对角线，负值表示次对角线。k可以是单个整数（对于单个对角线）或一对整数，指定矩阵带的上界和下界，且 `k[0]` 不得大于 `k[1]` 。该值必须在必须在 :math:`(-x.shape[-2], x.shape[-1])` 中。默认值：0。
|
||||
- **align** (str, optional) - 字符串，指定超对角线和次对角线的对齐方式。可选值："RIGHT_LEFT"、"LEFT_RIGHT"、"LEFT_LEFT"、"RIGHT_RIGHT"。例如，"RIGHT_LEFT"表示将超对角线与右侧对齐（左侧填充行），将次对角线与左侧对齐（右侧填充行）。默认值："RIGHT_LEFT"。
|
||||
返回：
|
||||
Tensor，与 `x` 的类型相同。
|
||||
|
||||
**返回：**
|
||||
设 `x` 有 `r+1` 维 :math:`[I， J， ...， M， N]` 。输出Tensor的维度为 `r+1` ，为 :math:`[I, J, ..., L, M, N]` 。
|
||||
|
||||
Tensor，与 `x` 的类型相同。
|
||||
|
||||
设 `x` 有 `r+1` 维 :math:`[I， J， ...， M， N]` 。输出Tensor的维度为 `r+1` ，为 :math:`[I, J, ..., L, M, N]` 。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 或者 `diagonal` 不为Tensor。
|
||||
- **TypeError** - `x` 与 `diagonal` 数据类型不同。
|
||||
- **TypeError** - `k` 的数据类型不为int32。
|
||||
- **ValueError** - `align` 取值不在合法值集合内。
|
||||
- **ValueError** - `k` 的维度不为0或1。
|
||||
- **ValueError** - `x` 的维度不大于等于2。
|
||||
- **ValueError** - `k` 的大小不为1或2。
|
||||
- **ValueError** - 当 `k` 的大小为2时，k[1]小于k[0]。
|
||||
- **ValueError** - 对角线 `diagonal` 的维度与输入 `x` 的维度不匹配。
|
||||
- **ValueError** - 对角线 `diagonal` 的维度信息与输入 `x` 的维度信息不匹配。
|
||||
- **ValueError** - 对角线 `diagonal` 的维度 :math:`shape[-2]` 不等于与对角线个数 `num_diags` :math:`k[1]-k[0]+1` 。
|
||||
- **ValueError** - `k` 的取值不在 :math:`(-x.shape[-2], x.shape[-1])` 范围内。
|
||||
- **ValueError** - 对角线 `diagonal` 的维度shape[-1] 不等于最长对角线长度 `max_diag_len` :math:`min(x.shape[-2] + min(k[1], 0), x.shape[-1] + min(-k[0], 0))` 。
|
||||
异常：
|
||||
- **TypeError** - `x` 或者 `diagonal` 不为Tensor。
|
||||
- **TypeError** - `x` 与 `diagonal` 数据类型不同。
|
||||
- **TypeError** - `k` 的数据类型不为int32。
|
||||
- **ValueError** - `align` 取值不在合法值集合内。
|
||||
- **ValueError** - `k` 的维度不为0或1。
|
||||
- **ValueError** - `x` 的维度不大于等于2。
|
||||
- **ValueError** - `k` 的大小不为1或2。
|
||||
- **ValueError** - 当 `k` 的大小为2时，k[1]小于k[0]。
|
||||
- **ValueError** - 对角线 `diagonal` 的维度与输入 `x` 的维度不匹配。
|
||||
- **ValueError** - 对角线 `diagonal` 的维度信息与输入 `x` 的维度信息不匹配。
|
||||
- **ValueError** - 对角线 `diagonal` 的维度 :math:`shape[-2]` 不等于与对角线个数 `num_diags` :math:`k[1]-k[0]+1` 。
|
||||
- **ValueError** - `k` 的取值不在 :math:`(-x.shape[-2], x.shape[-1])` 范围内。
|
||||
- **ValueError** - 对角线 `diagonal` 的维度shape[-1] 不等于最长对角线长度 `max_diag_len` :math:`min(x.shape[-2] + min(k[1], 0), x.shape[-1] + min(-k[0], 0))` 。
|
||||
|
||||
|
|
|
|||
|
|
@ -14,23 +14,20 @@ mindspore.ops.matrix_solve
|
|||
.. warning::
|
||||
- 当平台为GPU时，如果 `matrix` 中的矩阵不可逆，将产生错误或者返回一个未知结果。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **matrix** (Tensor) - 输入Tensor， shape 为 :math:`[..., M, M]`。
|
||||
- **rhs** (Tensor) - 输入Tensor， shape 为 :math:`[..., M, K]`。 `rhs` 的 dtype 必须与 `matrix` 的 dtype 相同。
|
||||
- **adjoint** (bool) - 表示是否需要在求解前对输入矩阵 `matrix` 做共轭转置，默认：False。
|
||||
|
||||
- **matrix** (Tensor) - 输入Tensor， shape 为 :math:`[..., M, M]`。
|
||||
- **rhs** (Tensor) - 输入Tensor， shape 为 :math:`[..., M, K]`。 `rhs` 的 dtype 必须与 `matrix` 的 dtype 相同。
|
||||
- **adjoint** (bool) - 表示是否需要在求解前对输入矩阵 `matrix` 做共轭转置，默认：False。
|
||||
返回：
|
||||
Tensor，与 `rhs` 的 shape 和数据类型相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，与 `rhs` 的 shape 和数据类型相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `adjoint` 不为 bool。
|
||||
- **TypeError** - `matrix` 的 dtype 不属于以下类型： mstype.float16、 mstype.float32、 mstype.float64、 mstype.complex64 和 mstype.complex128。
|
||||
- **TypeError** - `rhs` 的 dtype 与 `matrix` 的 dtype 不相同。
|
||||
- **ValueError** - `matrix` 的维度小于2。
|
||||
- **ValueError** - `rhs` 的维度与 `matrix` 的维度不相等。
|
||||
- **ValueError** - `matrix` 最内侧的两个维度不相等。
|
||||
- **ValueError** - `rhs` 最内侧的两个维度和 `matrix` 不能匹配。
|
||||
- **ValueError** - `matrix` 中的矩阵不可逆。
|
||||
异常：
|
||||
- **TypeError** - `adjoint` 不为 bool。
|
||||
- **TypeError** - `matrix` 的 dtype 不属于以下类型： mstype.float16、 mstype.float32、 mstype.float64、 mstype.complex64 和 mstype.complex128。
|
||||
- **TypeError** - `rhs` 的 dtype 与 `matrix` 的 dtype 不相同。
|
||||
- **ValueError** - `matrix` 的维度小于2。
|
||||
- **ValueError** - `rhs` 的维度与 `matrix` 的维度不相等。
|
||||
- **ValueError** - `matrix` 最内侧的两个维度不相等。
|
||||
- **ValueError** - `rhs` 最内侧的两个维度和 `matrix` 不能匹配。
|
||||
- **ValueError** - `matrix` 中的矩阵不可逆。
|
||||
|
|
|
|||
|
|
@ -13,25 +13,22 @@ mindspore.ops.max_pool3d
|
|||
\max_{l=0, \ldots, d_{ker}-1} \max_{m=0, \ldots, h_{ker}-1} \max_{n=0, \ldots, w_{ker}-1}
|
||||
\text{input}(N_i, C_j, s_0 \times d + l, s_1 \times h + m, s_2 \times w + n)
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - shape为 :math:`(N_{in}, C_{in}, D_{in}, H_{in}, W_{in})` 的Tensor。支持数据类型包括int8、int16、int32、int64、uint8、uint16、uint32、uint64、float16、float32和float64。
|
||||
- **kernel_size** (Union[int, tuple[int]]) - 池化核尺寸大小。可以是一个整数表示池化核的深度，高度和宽度，或者包含三个整数的tuple，分别表示池化核的深度，高度和宽度。
|
||||
- **stride** (Union[int, tuple[int]]) - 池化操作的移动步长。可以是一个整数表示在深度，高度和宽度方向的移动步长，或者包含三个整数的tuple，分别表示在深度，高度和宽度方向的移动步长。默认等于 `kernel_size`。
|
||||
- **padding** (Union[int, tuple[int]]) - 池化填充长度。可以是一个整数表示在深度，高度和宽度方向的填充长度，或者包含三个整数的tuple，分别表示在深度，高度和宽度方向的填充长度。默认为0。
|
||||
- **dilation** (Union[int, tuple[int]]) - 控制池化核内元素的间距。默认为1。
|
||||
- **ceil_mode** (bool) - 是否是用ceil代替floor来计算输出的shape。默认为False。
|
||||
- **return_indices** (bool) - 是否输出最大值的索引。默认为False。
|
||||
|
||||
- **x** (Tensor) - shape为 :math:`(N_{in}, C_{in}, D_{in}, H_{in}, W_{in})` 的Tensor。支持数据类型包括int8、int16、int32、int64、uint8、uint16、uint32、uint64、float16、float32和float64。
|
||||
- **kernel_size** (Union[int, tuple[int]]) - 池化核尺寸大小。可以是一个整数表示池化核的深度，高度和宽度，或者包含三个整数的tuple，分别表示池化核的深度，高度和宽度。
|
||||
- **stride** (Union[int, tuple[int]]) - 池化操作的移动步长。可以是一个整数表示在深度，高度和宽度方向的移动步长，或者包含三个整数的tuple，分别表示在深度，高度和宽度方向的移动步长。默认等于 `kernel_size`。
|
||||
- **padding** (Union[int, tuple[int]]) - 池化填充长度。可以是一个整数表示在深度，高度和宽度方向的填充长度，或者包含三个整数的tuple，分别表示在深度，高度和宽度方向的填充长度。默认为0。
|
||||
- **dilation** (Union[int, tuple[int]]) - 控制池化核内元素的间距。默认为1。
|
||||
- **ceil_mode** (bool) - 是否是用ceil代替floor来计算输出的shape。默认为False。
|
||||
- **return_indices** (bool) - 是否输出最大值的索引。默认为False。
|
||||
返回：
|
||||
- **output** (Tensor) - 输出的池化后的最大值，其数据类型与 `x` 相同。
|
||||
- **argmax** (Tensor) - 输出的最大值对应的索引，数据类型为int64。仅当 `return_indices` 为True的时候才返回该值。
|
||||
|
||||
**返回：**
|
||||
|
||||
- **output** (Tensor) - 输出的池化后的最大值，其数据类型与 `x` 相同。
|
||||
- **argmax** (Tensor) - 输出的最大值对应的索引，数据类型为int64。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5D。
|
||||
- **TypeError** - `kernel_size` 、`stride` 、`padding` 、`dilation` 不是int或者tuple。
|
||||
- **ValueError** - `kernel_size` 或 `stride` 的元素值小于1。
|
||||
- **ValueError** - `padding` 的元素值小于0。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **ValueError** - `x` 的维度不是5D。
|
||||
- **TypeError** - `kernel_size` 、`stride` 、`padding` 、`dilation` 不是int或者tuple。
|
||||
- **ValueError** - `kernel_size` 或 `stride` 的元素值小于1。
|
||||
- **ValueError** - `padding` 的元素值小于0。
|
||||
|
|
|
|||
|
|
@ -16,16 +16,13 @@ mindspore.ops.maximum
|
|||
.. math::
|
||||
output_i = max(x_i, y_i)
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Union[Tensor, Number, bool]) - 第一个输入可以是Number或bool，也可以是数据类型为Number或bool的Tensor。
|
||||
- **y** (Union[Tensor, Number, bool]) - 第二个输入是Number，当第一个输入是Tensor时，也可以是bool，或数据类型为Number或bool的Tensor。
|
||||
|
||||
- **x** (Union[Tensor, Number, bool]) - 第一个输入可以是Number或bool，也可以是数据类型为Number或bool的Tensor。
|
||||
- **y** (Union[Tensor, Number, bool]) - 第二个输入是Number，当第一个输入是Tensor时，也可以是bool，或数据类型为Number或bool的Tensor。
|
||||
返回：
|
||||
Tensor的shape与广播后的shape相同，数据类型为两个输入中精度较高或数字较多的类型。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor的shape与广播后的shape相同，数据类型为两个输入中精度较高或数字较多的类型。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 和 `y` 不是以下之一：Tensor，Number，bool。
|
||||
- **ValueError** - `x` 和 `y` 的shape不相同。
|
||||
异常：
|
||||
- **TypeError** - `x` 和 `y` 不是以下之一：Tensor，Number，bool。
|
||||
- **ValueError** - `x` 和 `y` 的shape不相同。
|
||||
|
|
|
|||
|
|
@ -7,16 +7,13 @@ mindspore.ops.meshgrid
|
|||
|
||||
给定N个一维Tensor，对每个Tensor做扩张操作，返回N个N维的Tensor。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **inputs** (Union[tuple]) - N个一维Tensor。输入的长度应大于1。数据类型为Number。
|
||||
- **indexing** ('xy', 'ij', optional) - 'xy'或'ij'。影响输出的网格矩阵的size。对于长度为 `M` 和 `N` 的二维输入，取值为'xy'时，输出的shape为 :math:`(N, M)` ，取值为'ij'时，输出的shape为 :math:`(M, N)` 。以长度为 `M` ， `N` 和 `P` 的三维输入，取值为'xy'时，输出的shape为 :math:`(N, M, P)` ，取值为'ij'时，输出的shape为 :math:`(M, N, P)` 。默认值：'xy'。
|
||||
|
||||
- **inputs** (Union[tuple]) - N个一维Tensor。输入的长度应大于1。数据类型为Number。
|
||||
- **indexing** ('xy', 'ij', optional) - 'xy'或'ij'。影响输出的网格矩阵的size。对于长度为 `M` 和 `N` 的二维输入，取值为'xy'时，输出的shape为 :math:`(N, M)` ，取值为'ij'时，输出的shape为 :math:`(M, N)` 。以长度为 `M` ， `N` 和 `P` 的三维输入，取值为'xy'时，输出的shape为 :math:`(N, M, P)` ，取值为'ij'时，输出的shape为 :math:`(M, N, P)` 。默认值：'xy'。
|
||||
返回：
|
||||
Tensor，N个N维tensor对象的元组。数据类型与输入相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，N个N维tensor对象的元组。数据类型与输入相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `indexing` 不是str或 `inputs` 不是元组。
|
||||
- **ValueError** - `indexing` 的取值既不是'xy'也不是'ij'。
|
||||
异常：
|
||||
- **TypeError** - `indexing` 不是str或 `inputs` 不是元组。
|
||||
- **ValueError** - `indexing` 的取值既不是'xy'也不是'ij'。
|
||||
|
|
|
|||
|
|
@ -14,21 +14,18 @@ mindspore.ops.min
|
|||
- 如果有多个最小值，则取第一个最小值的索引。
|
||||
- "axis"的取值范围为[-dims, dims - 1]。"dims"为"x"的维度长度。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 输入任意维度的Tensor。将输入Tensor的shape设为 :math:`(x_1, x_2, ..., x_N)` 。数据类型为mindspore.uint16，mindspore.uint32，mindspore.int16，mindspore.int32，mindspore.float16或者mindspore.float32。
|
||||
- **axis** (int) - 指定计算维度。默认值：0。
|
||||
- **keep_dims** (bool) - 表示是否减少维度，如果为True，输出将与输入保持相同的维度；如果为False，输出将减少维度。默认值：False。
|
||||
|
||||
- **x** (Tensor) - 输入任意维度的Tensor。将输入Tensor的shape设为 :math:`(x_1, x_2, ..., x_N)` 。数据类型为mindspore.uint16，mindspore.uint32，mindspore.int16，mindspore.int32，mindspore.float16或者mindspore.float32。
|
||||
- **axis** (int) - 指定计算维度。默认值：0。
|
||||
- **keep_dims** (bool) - 表示是否减少维度，如果为True，输出将与输入保持相同的维度；如果为False，输出将减少维度。默认值：False。
|
||||
返回：
|
||||
tuple (Tensor)，表示2个Tensor组成的tuple，包含对应的索引和输入Tensor的最小值。
|
||||
|
||||
**返回：**
|
||||
- **index** (Tensor) - 输入Tensor最小值的索引。如果 `keep_dims` 为True，则输出Tensor的shape为 :math:`(x_1, x_2, ..., x_{axis-1}, 1, x_{axis+1}, ..., x_N)` 。否则，shape为 :math:`(x_1, x_2, ..., x_{axis-1}, x_{axis+1}, ..., x_N)` 。
|
||||
- **output_x** (Tensor) - 输入Tensor的最小值，其shape与索引相同。
|
||||
|
||||
tuple (Tensor)，表示2个Tensor组成的tuple，包含对应的索引和输入Tensor的最小值。
|
||||
|
||||
- **index** (Tensor) - 输入Tensor最小值的索引。如果 `keep_dims` 为True，则输出Tensor的shape为 :math:`(x_1, x_2, ..., x_{axis-1}, 1, x_{axis+1}, ..., x_N)` 。否则，shape为 :math:`(x_1, x_2, ..., x_{axis-1}, x_{axis+1}, ..., x_N)` 。
|
||||
- **output_x** (Tensor) - 输入Tensor的最小值，其shape与索引相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `input_x` 的数据类型非uint16，uint32，int16，int32，float16，float32。
|
||||
- **TypeError** - `keep_dims` 不是bool。
|
||||
- **TypeError** - `axis` 不是int。
|
||||
异常：
|
||||
- **TypeError** - `input_x` 的数据类型非uint16，uint32，int16，int32，float16，float32。
|
||||
- **TypeError** - `keep_dims` 不是bool。
|
||||
- **TypeError** - `axis` 不是int。
|
||||
|
|
@ -12,14 +12,11 @@ mindspore.ops.mish
|
|||
|
||||
更多详细信息请参见 `A Self Regularized Non-Monotonic Neural Activation Function <https://arxiv.org/abs/1908.08681>`_ 。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - shape: :math:`(N, *)` ，其中 :math:`*` 表示任意数量的附加维度，数据类型支持float16或float32。
|
||||
|
||||
- **x** (Tensor) - shape: :math:`(N, *)` ，其中 :math:`*` 表示任意数量的附加维度，数据类型支持float16或float32。
|
||||
返回：
|
||||
Tensor，与 `x` 的shape和数据类型相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，与 `x` 的shape和数据类型相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 的数据类型非float16或float32。
|
||||
异常：
|
||||
- **TypeError** - `x` 的数据类型非float16或float32。
|
||||
|
|
|
|||
|
|
@ -8,12 +8,10 @@ mindspore.ops.ms_kernel
|
|||
与此同时，他可以用于自定义算子 :class:`mindspore.ops.Custom` 的输入，其对应的 `func_type` 可以设置为 `hybrid` 或者 `pyfunc` 。
|
||||
使用 `hybrid` 类型的 :class:`mindspore.ops.Custom` 自定义算子可以自动推导数据类型和形状。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **fn** (Function) - 将被作为自定义算子运行的Python函数。默认值：None。
|
||||
- **reg_info** (tuple[str, dict]) - 包含算子注册信息的dict或json字符串。默认值：None。
|
||||
- **compile_attrs** (Dict) - 算子编译信息。默认值：None。
|
||||
|
||||
- **fn** (Function) - 将被作为自定义算子运行的Python函数。默认值：None。
|
||||
- **reg_info** (tuple[str, dict]) - 包含算子注册信息的dict或json字符串。默认值：None。
|
||||
- **compile_attrs** (Dict) - 算子编译信息。默认值：None。
|
||||
|
||||
**返回：**
|
||||
|
||||
Function，如果 `fn` 不是None，那么返回一个用Hybrid DSL写的可执行函数；如果 `fn` 是None，则返回一个装饰器，该装饰器只有 `fn` 一个参数。
|
||||
返回：
|
||||
Function，如果 `fn` 不是None，那么返回一个用Hybrid DSL写的可执行函数；如果 `fn` 是None，则返回一个装饰器，该装饰器只有 `fn` 一个参数。
|
||||
|
|
|
|||
|
|
@ -15,16 +15,13 @@ mindspore.ops.mul
|
|||
- 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。
|
||||
- **ValueError** - `x` 和 `y` 的shape不相同。
|
||||
异常：
|
||||
- **TypeError** - `x` 和 `y` 不是Tensor、number.Number或bool。
|
||||
- **ValueError** - `x` 和 `y` 的shape不相同。
|
||||
|
|
|
|||
|
|
@ -18,16 +18,13 @@ mindspore.ops.ne
|
|||
& \text{False, if } x_{i} = y_{i}
|
||||
\end{cases}
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Union[Tensor, Number, bool]) - 第一个输入可以是数值型或bool，也可以是数据类型为数值型或bool的Tensor。
|
||||
- **y** (Union[Tensor, Number, bool]) - 第二个输入可以是数值型或bool。也可以是数据类型为数值型或bool的Tensor。
|
||||
|
||||
- **x** (Union[Tensor, Number, bool]) - 第一个输入可以是数值型或bool，也可以是数据类型为数值型或bool的Tensor。
|
||||
- **y** (Union[Tensor, Number, bool]) - 第二个输入可以是数值型或bool。也可以是数据类型为数值型或bool的Tensor。
|
||||
返回：
|
||||
Tensor，输出shape与输入相同，数据类型为bool。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，输出shape与输入相同，数据类型为bool。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 和 `y` 不是以下之一：Tensor、数值型、bool。
|
||||
- **TypeError** - `x` 和 `y` 都不是Tensor。
|
||||
异常：
|
||||
- **TypeError** - `x` 和 `y` 不是以下之一：Tensor、数值型、bool。
|
||||
- **TypeError** - `x` 和 `y` 都不是Tensor。
|
||||
|
|
|
|||
|
|
@ -8,14 +8,11 @@ mindspore.ops.neg
|
|||
.. math::
|
||||
out_{i} = - x_{i}
|
||||
|
||||
**参数：**
|
||||
|
||||
- **x** (Tensor) - Neg的输入，shape： :math:`(N, *)` ，其中 :math:`*` 表示任意数量的附加维度。秩应小于8。其数据类型为数值型。
|
||||
参数：
|
||||
- **x** (Tensor) - Neg的输入，shape： :math:`(N, *)` ，其中 :math:`*` 表示任意数量的附加维度。秩应小于8。其数据类型为数值型。
|
||||
|
||||
**返回：**
|
||||
返回：
|
||||
Tensor，shape和类型与输入相同。
|
||||
|
||||
Tensor，shape和类型与输入相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
|
|
@ -23,18 +23,16 @@
|
|||
\sum_{n=1}^{N} l_{n}, & \text { if reduction }=\text { 'sum' }
|
||||
\end{array}\right.
|
||||
|
||||
**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。
|
||||
|
|
|
|||
|
|
@ -5,15 +5,12 @@ mindspore.ops.nonzero
|
|||
|
||||
计算x中非零元素的下标。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - nonzero的输入，任意维度的Tensor，秩应大于1。其数据类型为数值型和布尔型。
|
||||
|
||||
- **x** (Tensor) - nonzero的输入，任意维度的Tensor，秩应大于1。其数据类型为数值型和布尔型。
|
||||
返回：
|
||||
Tensor，维度为2，类型为int64，表示输入中所有非零元素的下标。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，维度为2，类型为int64，表示输入中所有非零元素的下标。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **ValueError** - `x` 的维度为0。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
- **ValueError** - `x` 的维度为0。
|
||||
|
|
@ -8,26 +8,23 @@ mindspore.ops.norm
|
|||
.. math::
|
||||
output = sum(abs(input)**p)**(1/p)
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Tensor) - 输入Tensor。数据类型必须为float16或者float32。
|
||||
- **axis** (Union[int, list, tuple]) - 指定要计算范数的输入维度。
|
||||
- **p** (int) - 范数的值。默认值：2。 `p` 大于等于0。
|
||||
- **keep_dims** (bool) - 输出Tensor是否保留原有的维度。默认值：False。
|
||||
- **epsilon** (float) - 用于保持数据稳定性的常量。默认值：1e-12。
|
||||
|
||||
- **input_x** (Tensor) - 输入Tensor。 数据类型必须为float16或者float32。
|
||||
- **axis** (Union[int, list, tuple]) - 指定要计算范数的输入维度。
|
||||
- **p** (int) - 范数的值。默认值：2。 `p` 大于等于0。
|
||||
- **keep_dims** (bool) - 输出Tensor是否保留原有的维度。默认值：False。
|
||||
- **epsilon** (float) - 用于保持数据稳定性的常量。默认值：1e-12。
|
||||
返回：
|
||||
Tensor，其数据类型与 `input_x` 相同，其维度信息取决于 `axis` 轴以及参数 `keep_dims` 。例如如果输入的大小为 `(2,3,4)` 轴为 `[0,1]` ，输出的维度为 `(4，)` 。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，其数据类型与 `input_x` 相同，其维度信息取决于 `axis` 轴以及参数 `keep_dims` 。例如如果输入的大小为 `(2,3,4)` 轴为 `[0,1]` ，输出的维度为 `(4，)` 。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `input_x` 不是Tensor。
|
||||
- **TypeError** - `input_x` 的数据类型不是float16或者float32。
|
||||
- **TypeError** - `axis` 不是int，tuple或者list。
|
||||
- **TypeError** - `p` 不是int。
|
||||
- **TypeError** - `axis` 是tuple或者list但其元素不是int。
|
||||
- **TypeError** - `keep_dims` 不是bool。
|
||||
- **TypeError** - `epsilon` 不是float。
|
||||
- **ValueError** - `axis` 的元素超出范围 `[-len(input_x.shape, len(input_x.shape)]` ，其中 `input_x` 指当前Tensor 。
|
||||
- **ValueError** - `axis` 的维度rank大于当前Tensor的维度rank。
|
||||
异常：
|
||||
- **TypeError** - `input_x` 不是Tensor。
|
||||
- **TypeError** - `input_x` 的数据类型不是float16或者float32。
|
||||
- **TypeError** - `axis` 不是int，tuple或者list。
|
||||
- **TypeError** - `p` 不是int。
|
||||
- **TypeError** - `axis` 是tuple或者list但其元素不是int。
|
||||
- **TypeError** - `keep_dims` 不是bool。
|
||||
- **TypeError** - `epsilon` 不是float。
|
||||
- **ValueError** - `axis` 的元素超出范围 `[-len(input_x.shape, len(input_x.shape)]` ，其中 `input_x` 指当前Tensor 。
|
||||
- **ValueError** - `axis` 的维度rank大于当前Tensor的维度rank。
|
||||
|
|
|
|||
|
|
@ -5,13 +5,11 @@
|
|||
|
||||
根据正态（高斯）随机数分布生成随机数。
|
||||
|
||||
**参数：**
|
||||
|
||||
- **shape** (tuple) - Tuple: :math:`(N,*)` ，其中 :math:`*` 表示任何数量的附加维度。
|
||||
- **mean** (Tensor) - 均值μ，指定分布的峰值，数据类型支持[int8, int16, int32, int64, float16, float32]。
|
||||
- **stddev** (Tensor) - 标准差σ。大于0。数据类型支持[int8, int16, int32, int64, float16, float32]。
|
||||
- **seed** (int) - 随机种子。取值须为非负数。默认值：None，等同于0。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape应与输入 `shape` 与 `mean` 和 `stddev` 进行广播之后的shape相同。数据类型支持float32。
|
||||
参数：
|
||||
- **shape** (tuple) - Tuple: :math:`(N,*)` ，其中 :math:`*` 表示任何数量的附加维度。
|
||||
- **mean** (Tensor) - 均值μ，指定分布的峰值，数据类型支持[int8, int16, int32, int64, float16, float32]。
|
||||
- **stddev** (Tensor) - 标准差σ。大于0。数据类型支持[int8, int16, int32, int64, float16, float32]。
|
||||
- **seed** (int) - 随机种子。取值须为非负数。默认值：None，等同于0。
|
||||
|
||||
返回：
|
||||
Tensor，shape应与输入 `shape` 与 `mean` 和 `stddev` 进行广播之后的shape相同。数据类型支持float32。
|
||||
|
|
|
|||
|
|
@ -7,15 +7,12 @@ mindspore.ops.ones
|
|||
|
||||
第一个参数指定Tensor的shape，第二个参数指定填充值的数据类型。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **shape** (Union[tuple[int], int]) - 指定输出Tensor的shape，只能是正整数常量。
|
||||
- **type** (mindspore.dtype) - 指定输出Tensor的数据类型，只能是常量值。
|
||||
|
||||
- **shape** (Union[tuple[int], int]) - 指定输出Tensor的shape，只能是正整数常量。
|
||||
- **type** (mindspore.dtype) - 指定输出Tensor的数据类型，只能是常量值。
|
||||
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** - `shape` 既不是tuple，也不是int。
|
||||
异常：
|
||||
- **TypeError** - `shape` 既不是tuple，也不是int。
|
||||
|
|
@ -5,14 +5,11 @@ mindspore.ops.ones_like
|
|||
|
||||
返回值为1的Tensor，shape和数据类型与输入相同。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Tensor) - 任意维度的Tensor。
|
||||
|
||||
- **input_x** (Tensor) - 任意维度的Tensor。
|
||||
返回：
|
||||
Tensor，具有与 `input_x` 相同的shape和类型，并填充了1。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，具有与 `input_x` 相同的shape和类型，并填充了1。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `input_x` 不是Tensor。
|
||||
异常：
|
||||
- **TypeError** - `input_x` 不是Tensor。
|
||||
|
|
|
|||
|
|
@ -18,19 +18,16 @@ mindspore.ops.pad
|
|||
\end{aligned}
|
||||
\end{aligned}
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Tensor) - 输入Tensor。
|
||||
- **paddings** (tuple) - 填充大小，其shape为(N, 2)，N是输入数据的维度，填充的元素为int类型。对于 `x` 的第 `D` 个维度，paddings[D, 0]表示输入Tensor的第 `D` 维度前面要扩展（如果该值大于0）或裁剪（如果该值小于0）的大小，paddings[D, 1]表示在输入Tensor的第 `D` 个维度后面要扩展（如果该值大于0）或裁剪（如果该值小于0）的大小。
|
||||
|
||||
- **input_x** (Tensor) - 输入Tensor。
|
||||
- **paddings** (tuple) - 填充大小，其shape为(N, 2)，N是输入数据的维度，填充的元素为int类型。对于 `x` 的第 `D` 个维度，paddings[D, 0]表示输入Tensor的第 `D` 维度前面要扩展（如果该值大于0）或裁剪（如果该值小于0）的大小，paddings[D, 1]表示在输入Tensor的第 `D` 个维度后面要扩展（如果该值大于0）或裁剪（如果该值小于0）的大小。
|
||||
返回：
|
||||
填充后的Tensor。
|
||||
|
||||
**返回：**
|
||||
|
||||
填充后的Tensor。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `paddings` 不是tuple。
|
||||
- **TypeError** - `input_x` 不是Tensor。
|
||||
- **ValueError** - `paddings` 的shape不是 :math:`(N, 2)` 。
|
||||
- **ValueError** - `paddings` 的大小不等于2 * len(input_x)。
|
||||
- **ValueError** - 计算出来的输出Tensor的shape里存在0或负数。
|
||||
异常：
|
||||
- **TypeError** - `paddings` 不是tuple。
|
||||
- **TypeError** - `input_x` 不是Tensor。
|
||||
- **ValueError** - `paddings` 的shape不是 :math:`(N, 2)` 。
|
||||
- **ValueError** - `paddings` 的大小不等于2 * len(input_x)。
|
||||
- **ValueError** - 计算出来的输出Tensor的shape里存在0或负数。
|
||||
|
|
|
|||
|
|
@ -6,17 +6,14 @@ mindspore.ops.padding
|
|||
通过填充0，将输入张量的最后一个维度从1扩展到指定大小。
|
||||
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - `x` 的shape为 :math:`(x_1, x_2, ..., x_R)`，秩至少为2，它的最后一个维度必须为1。其数据类型为数值型。
|
||||
- **pad_dim_size** (int) - 要扩展的 `x` 的最后一个维度的值，该值必须为正数。默认值：8。
|
||||
|
||||
- **x** (Tensor) - `x` 的shape为 :math:`(x_1, x_2, ..., x_R)`，秩至少为2，它的最后一个维度必须为1。其数据类型为数值型。
|
||||
- **pad_dim_size** (int) - 要扩展的 `x` 的最后一个维度的值，该值必须为正数。默认值：8。
|
||||
返回：
|
||||
Tensor，其数据类型和维度必须和输入中的 `x` 保持一致。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，其数据类型和维度必须和输入中的 `x` 保持一致。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `pad_dim_size` 的数据类型不是int。
|
||||
- **ValueError** - `pad_dim_size` 的值小于1。
|
||||
- **ValueError** - `x` 的最后一个维度不等于1。
|
||||
异常：
|
||||
- **TypeError** - `pad_dim_size` 的数据类型不是int。
|
||||
- **ValueError** - `pad_dim_size` 的值小于1。
|
||||
- **ValueError** - `x` 的最后一个维度不等于1。
|
||||
|
|
|
|||
|
|
@ -9,20 +9,17 @@ mindspore.ops.pdist
|
|||
.. math::
|
||||
y[n] = \sqrt[p]{{\mid x_{i} - x_{j} \mid}^p}
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (tensor) - 输入tensor x，其shape为 :math:`(*B, N, M)`，其中 :math:`*B` 表示批处理大小，可以是多维度。类型：float16，float32或float64。
|
||||
- **p** (float) - p-范数距离的p值，:math:`p∈[0，∞]`。默认值：2.0。
|
||||
|
||||
- **x** (tensor) - 输入tensor x，其shape为 :math:`(*B, N, M)`，其中 :math:`*B` 表示批处理大小，可以是多维度。类型：float16，float32或float64。
|
||||
- **p** (float) - p-范数距离的p值，:math:`p∈[0，∞]`。默认值：2.0。
|
||||
返回：
|
||||
Tensor，类型与 `x` 一致。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，类型与 `x` 一致。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32，float64。
|
||||
- **TypeError** - `p` 不是float。
|
||||
- **ValueError** - `p` 是负数。
|
||||
- **ValueError** - `x` 的维度小于2。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是tensor。
|
||||
- **TypeError** - `x` 的数据类型不是float16，float32，float64。
|
||||
- **TypeError** - `p` 不是float。
|
||||
- **ValueError** - `p` 是负数。
|
||||
- **ValueError** - `x` 的维度小于2。
|
||||
|
||||
|
|
|
|||
|
|
@ -8,18 +8,15 @@
|
|||
.. math::
|
||||
\text{P}(i|μ) = \frac{\exp(-μ)μ^{i}}{i!}
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **shape** (tuple) - Tuple: :math:`(N,*)` ，其中 :math:`*` 表示任何数量的附加维度。
|
||||
- **mean** (Tensor) - 均值μ，分布参数。支持float32数据类型，应大于0。
|
||||
- **seed** (int) - 随机种子。取值须为非负数。默认值：None，等同于0。
|
||||
|
||||
- **shape** (tuple) - Tuple: :math:`(N,*)` ，其中 :math:`*` 表示任何数量的附加维度。
|
||||
- **mean** (Tensor) - 均值μ，分布参数。支持float32数据类型，应大于0。
|
||||
- **seed** (int) - 随机种子。取值须为非负数。默认值：None，等同于0。
|
||||
返回：
|
||||
Tensor，shape应与输入 `shape` 与 `mean` 进行广播之后的shape相同。数据类型支持float32。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape应与输入 `shape` 与 `mean` 进行广播之后的shape相同。数据类型支持float32。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `shape` 不是Tuple。
|
||||
- **TypeError** - `mean` 不是Tensor或数据类型非float32。
|
||||
- **TypeError** - `seed` 不是int类型。
|
||||
异常：
|
||||
- **TypeError** - `shape` 不是Tuple。
|
||||
- **TypeError** - `mean` 不是Tensor或数据类型非float32。
|
||||
- **TypeError** - `seed` 不是int类型。
|
||||
|
|
|
|||
|
|
@ -15,16 +15,13 @@ mindspore.ops.pow
|
|||
- 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/en/master/api_python/mindspore.html#mindspore.dtype>`_ 或 `bool_ <https://www.mindspore.cn/docs/en/master/api_python/mindspore.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/en/master/api_python/mindspore.html#mindspore.dtype>`_ 或 `bool_ <https://www.mindspore.cn/docs/en/master/api_python/mindspore.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。
|
||||
- **ValueError** - 当 `x` 和 `y` 都为Tensor时，它们的shape不相同。
|
||||
异常：
|
||||
- **TypeError** - `x` 和 `y` 不是Tensor、number.Number或bool。
|
||||
- **ValueError** - 当 `x` 和 `y` 都为Tensor时，它们的shape不相同。
|
||||
|
|
|
|||
|
|
@ -5,19 +5,16 @@ mindspore.ops.random_categorical
|
|||
|
||||
从分类分布中抽取样本。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **logits** (Tensor) - 输入Tensor。Shape为 :math:`(batch_size, num_classes)` 的二维Tensor。
|
||||
- **num_sample** (int) - 要抽取的样本数。只允许使用常量值。
|
||||
- **seed** (int) - 随机种子。只允许使用常量值。默认值：0
|
||||
- **dtype** (mindspore.dtype) - 输出的类型。它的值必须是 mindspore.int16、mindspore.int32 和 mindspore.int64 之一。默认值：mindspore.int64。
|
||||
|
||||
- **logits** (Tensor): 输入Tensor。Shape为 :math:`(batch_size, num_classes)` 的二维Tensor。
|
||||
- **num_sample** (int): 要抽取的样本数。只允许使用常量值。
|
||||
- **seed** (int): 随机种子。只允许使用常量值。默认值：0
|
||||
- **dtype** (mindspore.dtype): 输出的类型。它的值必须是 mindspore.int16、mindspore.int32 和 mindspore.int64 之一。默认值：mindspore.int64。
|
||||
返回：
|
||||
Tensor，Shape为 :math:`(batch_size, num_samples)` 的输出Tensor。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，Shape为 :math:`(batch_size, num_samples)` 的输出Tensor。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - 如果 `dtype` 不是以下之一：mindspore.int16、mindspore.int32、mindspore.int64。
|
||||
- **TypeError** - 如果 `logits` 不是Tensor。
|
||||
- **TypeError** - 如果 `num_sample` 或者 `seed` 不是 int。
|
||||
异常：
|
||||
- **TypeError** - 如果 `dtype` 不是以下之一：mindspore.int16、mindspore.int32、mindspore.int64。
|
||||
- **TypeError** - 如果 `logits` 不是Tensor。
|
||||
- **TypeError** - 如果 `num_sample` 或者 `seed` 不是 int。
|
||||
|
|
@ -5,19 +5,16 @@ mindspore.ops.random_gamma
|
|||
|
||||
根据伽马分布产生成随机数。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **shape** (Tensor) - 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half、float32或者float64。
|
||||
- **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** (Tensor) - 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half、float32或者float64。
|
||||
- **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` 拼接后的shape。数据类型和alpha一致。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor。shape是输入 `shape` 、 `alpha` 拼接后的shape。数据类型和alpha一致。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** – `shape` 不是Tensor。
|
||||
- **TypeError** – `alpha` 不是Tensor。
|
||||
- **TypeError** – `seed` 的数据类型不是int。
|
||||
- **TypeError** – `alpha` 的数据类型不是half、float32或者float64。
|
||||
异常：
|
||||
- **TypeError** – `shape` 不是Tensor。
|
||||
- **TypeError** – `alpha` 不是Tensor。
|
||||
- **TypeError** – `seed` 的数据类型不是int。
|
||||
- **TypeError** – `alpha` 的数据类型不是half、float32或者float64。
|
||||
|
|
|
|||
|
|
@ -3,16 +3,14 @@ mindspore.ops.range
|
|||
|
||||
.. py:function:: mindspore.ops.range(start, limit, delta)
|
||||
|
||||
返回从 `start` 开始， 步长为 `delta` ，且不超过 `limit` （不包括 `limit` ）的序列。
|
||||
返回从 `start` 开始，步长为 `delta` ，且不超过 `limit` （不包括 `limit` ）的序列。
|
||||
|
||||
三个输入的数据类型必须相同。函数返回的Tensor的数据类型与输入数据类型保持一致。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **start** (Tensor) - 标量Tensor，序列中的第一个数字。数据类型必须为int32或者float32。
|
||||
- **limit** (Tensor) - 标量Tensor，序列中的数值上线，不包括其本身。数据类型必须为int32或者float32。
|
||||
- **delta** (Tensor) - 标量Tensor，表述序列中数值的步长。数据类型必须为int32或者float32。
|
||||
|
||||
- **start** (Tensor) - 标量Tensor，序列中的第一个数字。数据类型必须为int32或者float32。
|
||||
- **limit** (Tensor) - 标量Tensor，序列中的数值上线，不包括其本身。数据类型必须为int32或者float32。
|
||||
- **delta** (Tensor) - 标量Tensor，表述序列中数值的步长。数据类型必须为int32或者float32。
|
||||
|
||||
**返回：**
|
||||
|
||||
一维Tensor，数据类型与输入数据类型一致。
|
||||
返回：
|
||||
一维Tensor，数据类型与输入数据类型一致。
|
||||
|
|
|
|||
|
|
@ -3,22 +3,19 @@ mindspore.ops.renorm
|
|||
|
||||
.. py:function:: mindspore.ops.renorm(input_x, p, dim, maxnorm)
|
||||
|
||||
沿维度 `dim` 重新规范输入 `input_x` 的子张量，并且每个子张量的p范数不超过给定的最大范数 `maxnorm` 。 如果子张量的p范数小于 `maxnorm` ，则当前子张量不需要修改；否则该子张量需要修改为对应位置的原值除以该子张量的p范数，然后再乘上 `maxnorm` 。
|
||||
沿维度 `dim` 重新规范输入 `input_x` 的子张量，并且每个子张量的p范数不超过给定的最大范数 `maxnorm` 。如果子张量的p范数小于 `maxnorm` ，则当前子张量不需要修改；否则该子张量需要修改为对应位置的原值除以该子张量的p范数，然后再乘上 `maxnorm` 。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Tensor) - 输入张量，类型为float32或者float16。
|
||||
- **p** (int) - 范数计算的幂。
|
||||
- **dim** (int) - 获得子张量的维度。
|
||||
- **maxnorm** (float32) - 给定的最大范数。
|
||||
|
||||
- **input_x** (Tensor) - 输入张量，类型为float32或者float16。
|
||||
- **p** (int) - 范数计算的幂。
|
||||
- **dim** (int) - 获得子张量的维度。
|
||||
- **maxnorm** (float32) - 给定的最大范数。
|
||||
返回：
|
||||
Tensor，shape和type与输入Tensor一致。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和type与输入Tensor一致。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `p` 不是int类型。
|
||||
- **TypeError** - `dim` 不是int类型。
|
||||
- **TypeError** - `maxnorm` 不是float32类型。
|
||||
- **ValueError** - `p` 小于1。
|
||||
异常：
|
||||
- **TypeError** - `p` 不是int类型。
|
||||
- **TypeError** - `dim` 不是int类型。
|
||||
- **TypeError** - `maxnorm` 不是float32类型。
|
||||
- **ValueError** - `p` 小于1。
|
||||
|
|
|
|||
|
|
@ -5,12 +5,10 @@ mindspore.ops.repeat_elements
|
|||
|
||||
在指定轴上复制输入Tensor的元素，类似 `np.repeat` 的功能。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 输入Tensor。类型为float16、float32、int8、uint8、int16、int32或int64。
|
||||
- **rep** (int) - 指定复制次数，为正数。
|
||||
- **axis** (int) - 指定复制轴，默认值：0。
|
||||
|
||||
- **x** (Tensor) - 输入Tensor。类型为float16、float32、int8、uint8、int16、int32或int64。
|
||||
- **rep** (int) - 指定复制次数，为正数。
|
||||
- **axis** (int) - 指定复制轴，默认值：0。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，值沿指定轴复制。如果 `x` 的shape为 :math:`(s1, s2, ..., sn)` ，轴为i，则输出的shape为 :math:`(s1, s2, ..., si * rep, ..., sn)` 。输出的数据类型与 `x` 相同。
|
||||
返回：
|
||||
Tensor，值沿指定轴复制。如果 `x` 的shape为 :math:`(s1, s2, ..., sn)` ，轴为i，则输出的shape为 :math:`(s1, s2, ..., si * rep, ..., sn)` 。输出的数据类型与 `x` 相同。
|
||||
|
|
@ -7,15 +7,12 @@ mindspore.ops.reshape
|
|||
|
||||
`input_shape` 最多只能有一个-1，在这种情况下，它可以从剩余的维度和输入的元素个数中推断出来。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Tensor) - Tensor的shape为 :math:`(x_1, x_2, ..., x_R)` 。
|
||||
- **input_shape** (tuple[int]) - 输入tuple由多个整数构成，如 :math:`(y_1, y_2, ..., y_S)` 。只支持常量值。
|
||||
|
||||
- **input_x** (Tensor) - Tensor的shape为 :math:`(x_1, x_2, ..., x_R)` 。
|
||||
- **input_shape** (tuple[int]) - 输入tuple由多个整数构成，如 :math:`(y_1, y_2, ..., y_S)` 。只支持常量值。
|
||||
返回：
|
||||
Tensor，其shape为 :math:`(y_1, y_2, ..., y_S)` 。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，其shape为 :math:`(y_1, y_2, ..., y_S)` 。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **ValueError** - 给定的 `input_shape`，如果它有多个-1，或者除-1（若存在）之外的元素的乘积小于或等于0，或者无法被输入Tensor的shape的乘积整除，或者与输入的数组大小不匹配。
|
||||
异常：
|
||||
- **ValueError** - 给定的 `input_shape`，如果它有多个-1，或者除-1（若存在）之外的元素的乘积小于或等于0，或者无法被输入Tensor的shape的乘积整除，或者与输入的数组大小不匹配。
|
||||
|
|
|
|||
|
|
@ -8,14 +8,11 @@ mindspore.ops.round
|
|||
.. math::
|
||||
out_i \approx x_i
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **x** (Tensor) - 输入Tensor。
|
||||
|
||||
- **x** (Tensor) - 输入Tensor。
|
||||
返回：
|
||||
Tensor，shape和数据类型与输入 `x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和数据类型与输入 `x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
异常：
|
||||
- **TypeError** - `x` 不是Tensor。
|
||||
|
|
|
|||
|
|
@ -5,14 +5,11 @@ mindspore.ops.scalar_to_array
|
|||
|
||||
将Scalar转换为 `Tensor` 。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Union[int, float]) - ScalarToArray的输入，是Scalar且只能是常量值。
|
||||
|
||||
- **input_x** (Union[int, float]) - ScalarToArray的输入，是Scalar且只能是常量值。
|
||||
返回：
|
||||
Tensor，0维Tensor，其值和输入一致。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，0维Tensor，其值和输入一致。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `input_x` 既不是int也不是float。
|
||||
异常：
|
||||
- **TypeError** - `input_x` 既不是int也不是float。
|
||||
|
|
@ -5,15 +5,12 @@ mindspore.ops.scalar_to_tensor
|
|||
|
||||
将Scalar转换为指定数据类型的 `Tensor` 。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Union[int, float]) - 输入是Scalar。只能是常量值。
|
||||
- **dtype** (mindspore.dtype) - 指定输出的数据类型。只能是常量值。默认值：mindspore.float32。
|
||||
|
||||
- **input_x** (Union[int, float]) - 输入是Scalar。只能是常量值。
|
||||
- **dtype** (mindspore.dtype) - 指定输出的数据类型。只能是常量值。默认值：mindspore.float32。
|
||||
返回：
|
||||
Tensor，0维Tensor，其值和输入一致。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，0维Tensor，其值和输入一致。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `input_x` 既不是int也不是float。
|
||||
异常：
|
||||
- **TypeError** - `input_x` 既不是int也不是float。
|
||||
|
|
@ -5,18 +5,15 @@ mindspore.ops.scatter_add
|
|||
|
||||
根据指定的更新值和输入索引，进行加法运算更新输入Tensor的值，返回更新后的Tensor。当同一索引有不同更新值时，更新的结果将是累积的加法的结果。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Parameter) - scatter_add的输入，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定加法操作的索引，数据类型必须为mindspore.int32或者mindspore.int64。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 加法操作的Tensor，数据类型与 `input_x` 相同，shape为 `indices.shape + input_x.shape[1:]` 。
|
||||
|
||||
- **input_x** (Parameter) - scatter_add的输入，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定加法操作的索引，数据类型必须为mindspore.int32或者mindspore.int64。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 加法操作的Tensor，数据类型与 `input_x` 相同，shape为 `indices.shape + input_x.shape[1:]` 。
|
||||
返回：
|
||||
Tensor，更新后的 `input_x` ，shape和类型与 `input_x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，更新后的 `input_x` ，shape和类型与 `input_x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `indices` 不是int32或者int64。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape + input_x.shape[1:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
异常：
|
||||
- **TypeError** - `indices` 不是int32或者int64。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape + input_x.shape[1:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
|
|
|
|||
|
|
@ -12,19 +12,16 @@ mindspore.ops.scatter_div
|
|||
|
||||
输入的 `input_x` 和 `updates` 遵循隐式类型转换规则，以确保数据类型一致。如果数据类型不同，则低精度数据类型将转换为高精度的数据类型。当 `updates` 不支持转成 `input_x` 需要的数据类型时，则会抛出RuntimeError异常。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Parameter) - scatter_div的输入，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定相除操作的索引，数据类型必须为mindspore.int32或者mindspore.int64。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 取最小值操作的Tensor，数据类型与 `input_x` 相同，shape为 `indices.shape + input_x.shape[1:]` 。
|
||||
|
||||
- **input_x** (Parameter) - scatter_div的输入，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定相除操作的索引，数据类型必须为mindspore.int32或者mindspore.int64。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 取最小值操作的Tensor，数据类型与 `input_x` 相同，shape为 `indices.shape + input_x.shape[1:]` 。
|
||||
输出：
|
||||
Tensor，更新后的 `input_x` ，shape和类型与 `input_x` 相同。
|
||||
|
||||
**输出：**
|
||||
|
||||
Tensor，更新后的 `input_x` ，shape和类型与 `input_x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `indices` 不是int32或者int64。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape + input_x.shape[1:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
- **RuntimeError** - 在Ascend平台上， 输入的 `input_x` ， `indices` 和 `updates` 的数据维度大于8维。
|
||||
异常：
|
||||
- **TypeError** - `indices` 不是int32或者int64。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape + input_x.shape[1:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
- **RuntimeError** - 在Ascend平台上，输入的 `input_x` ， `indices` 和 `updates` 的数据维度大于8维。
|
||||
|
|
|
|||
|
|
@ -13,19 +13,16 @@ mindspore.ops.scatter_max
|
|||
|
||||
输入的 `input_x` 和 `updates` 遵循隐式类型转换规则，以确保数据类型一致。如果数据类型不同，则低精度数据类型将转换为高精度的数据类型。当 `updates` 不支持转成 `input_x` 需要的数据类型时，则会抛出RuntimeError异常。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Parameter) - scatter_max的输入，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定最大值操作的索引，数据类型必须为mindspore.int32或者mindspore.int64。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 取最大值操作的Tensor，数据类型与 `input_x` 相同，shape为 `indices.shape + input_x.shape[1:]` 。
|
||||
|
||||
- **input_x** (Parameter) - scatter_max的输入，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定最大值操作的索引，数据类型必须为mindspore.int32或者mindspore.int64。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 取最大值操作的Tensor，数据类型与 `input_x` 相同，shape为 `indices.shape + input_x.shape[1:]` 。
|
||||
输出：
|
||||
Tensor，更新后的 `input_x` ，shape和类型与 `input_x` 相同。
|
||||
|
||||
**输出：**
|
||||
|
||||
Tensor，更新后的 `input_x` ，shape和类型与 `input_x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `indices` 不是int32或者int64。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape + input_x.shape[1:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
- **RuntimeError** - 在Ascend平台上， 输入的 `input_x` ， `indices` 和 `updates` 的数据维度大于8维。
|
||||
异常：
|
||||
- **TypeError** - `indices` 不是int32或者int64。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape + input_x.shape[1:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
- **RuntimeError** - 在Ascend平台上，输入的 `input_x` ， `indices` 和 `updates` 的数据维度大于8维。
|
||||
|
|
@ -13,19 +13,16 @@ mindspore.ops.scatter_min
|
|||
|
||||
输入的 `input_x` 和 `updates` 遵循隐式类型转换规则，以确保数据类型一致。如果数据类型不同，则低精度数据类型将转换为高精度的数据类型。当 `updates` 不支持转成 `input_x` 需要的数据类型时，则会抛出RuntimeError异常。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Parameter) - scatter_min的输入，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定最小值操作的索引，数据类型必须为mindspore.int32或者mindspore.int64。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 取最小值操作的Tensor，数据类型与 `input_x` 相同，shape为 `indices.shape + input_x.shape[1:]` 。
|
||||
|
||||
- **input_x** (Parameter) - scatter_min的输入，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定最小值操作的索引，数据类型必须为mindspore.int32或者mindspore.int64。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 取最小值操作的Tensor，数据类型与 `input_x` 相同，shape为 `indices.shape + input_x.shape[1:]` 。
|
||||
输出：
|
||||
Tensor，更新后的 `input_x` ，shape和类型与 `input_x` 相同。
|
||||
|
||||
**输出：**
|
||||
|
||||
Tensor，更新后的 `input_x` ，shape和类型与 `input_x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `indices` 不是int32或者int64。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape + input_x.shape[1:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
- **RuntimeError** - 在Ascend平台上， 输入的 `input_x` ， `indices` 和 `updates` 的数据维度大于8维。
|
||||
异常：
|
||||
- **TypeError** - `indices` 不是int32或者int64。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape + input_x.shape[1:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
- **RuntimeError** - 在Ascend平台上，输入的 `input_x` ， `indices` 和 `updates` 的数据维度大于8维。
|
||||
|
|
@ -21,17 +21,14 @@ mindspore.ops.scatter_nd
|
|||
|
||||
.. image:: ScatterNd.png
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **indices** (Tensor) - 指定新Tensor中散布的索引，数据类型为int32或int64。索引的秩须至少为2，并且 `indices.shape[-1] <= len(shape)` 。
|
||||
- **updates** (Tensor) - 指定更新Tensor，shape为 `indices.shape[:-1] + shape[indices.shape[-1]:]` 。
|
||||
- **shape** (tuple[int]) - 指定输出Tensor的shape，数据类型与 `indices` 相同。 `shape` 不能为空，且 `shape` 中的任何元素的值都必须大于等于1。
|
||||
|
||||
- **indices** (Tensor) - 指定新Tensor中散布的索引，数据类型为int32或int64。索引的秩须至少为2，并且 `indices.shape[-1] <= len(shape)` 。
|
||||
- **updates** (Tensor) - 指定更新Tensor，shape为 `indices.shape[:-1] + shape[indices.shape[-1]:]` 。
|
||||
- **shape** (tuple[int]) - 指定输出Tensor的shape，数据类型与 `indices` 相同。 `shape` 不能为空，且 `shape` 中的任何元素的值都必须大于等于1。
|
||||
返回：
|
||||
Tensor，更新后的Tensor，数据类型与输入 `update` 相同，shape与输入 `shape` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，更新后的Tensor，数据类型与输入 `update` 相同，shape与输入 `shape` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `shape` 不是tuple。
|
||||
- **ValueError** - `shape` 的任何元素小于1。
|
||||
异常：
|
||||
- **TypeError** - `shape` 不是tuple。
|
||||
- **ValueError** - `shape` 的任何元素小于1。
|
||||
|
|
|
|||
|
|
@ -13,21 +13,18 @@ mindspore.ops.scatter_nd_add
|
|||
|
||||
`updates` 表示rank为 `Q-1+P-N` 的Tensor，shape为 :math:`(i_0, i_1, ..., i_{Q-2}, x\_shape_N, ..., x\_shape_{P-1})` 。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Parameter) - scatter_nd_add的输入，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定加法操作的索引，数据类型为mindspore.int32或mindspore.int64。索引的rank必须至少为2，并且 `indices.shape[-1] <= len(shape)` 。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 相加操作的Tensor，数据类型与 `input_x` 相同，shape为 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **use_locking** (bool) - 是否启用锁保护。默认值：False。
|
||||
|
||||
- **input_x** (Parameter) - scatter_nd_add的输入，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定加法操作的索引，数据类型为mindspore.int32或mindspore.int64。索引的rank必须至少为2，并且 `indices.shape[-1] <= len(shape)` 。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 相加操作的Tensor，数据类型与 `input_x` 相同，shape为 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **use_locking** (bool) - 是否启用锁保护。默认值：False。
|
||||
返回：
|
||||
Tensor，更新后的 `input_x` ，shape和数据类型与 `input_x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，更新后的 `input_x` ，shape和数据类型与 `input_x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `use_locking` 的数据类型不是bool。
|
||||
- **TypeError** - `indices` 的数据类型不是int32或int64。
|
||||
- **TypeError** - `input_x` 和 `updates` 的数据类型不相同。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
异常：
|
||||
- **TypeError** - `use_locking` 的数据类型不是bool。
|
||||
- **TypeError** - `indices` 的数据类型不是int32或int64。
|
||||
- **TypeError** - `input_x` 和 `updates` 的数据类型不相同。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
|
|
|
|||
|
|
@ -13,21 +13,18 @@ mindspore.ops.scatter_nd_div
|
|||
|
||||
`updates` 表示rank为 `Q-1+P-N` 的Tensor，shape为 :math:`(i_0, i_1, ..., i_{Q-2}, x\_shape_N, ..., x\_shape_{P-1})` 。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Parameter) - 输入参数，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定除法操作的索引，数据类型为mindspore.int32或mindspore.int64。索引的rank必须至少为2，并且 `indices.shape[-1] <= len(shape)` 。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 操作的Tensor，数据类型与 `input_x` 相同，shape为 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **use_locking** (bool) - 是否启用锁保护。默认值：False。
|
||||
|
||||
- **input_x** (Parameter) - 输入参数，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定除法操作的索引，数据类型为mindspore.int32或mindspore.int64。索引的rank必须至少为2，并且 `indices.shape[-1] <= len(shape)` 。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 操作的Tensor，数据类型与 `input_x` 相同，shape为 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **use_locking** (bool) - 是否启用锁保护。默认值：False。
|
||||
返回：
|
||||
Tensor，更新后的 `input_x` ，shape和数据类型与 `input_x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，更新后的 `input_x` ，shape和数据类型与 `input_x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `use_locking` 的数据类型不是bool。
|
||||
- **TypeError** - `indices` 的数据类型不是int32或int64。
|
||||
- **TypeError** - `input_x` 和 `updates` 的数据类型不相同。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
异常：
|
||||
- **TypeError** - `use_locking` 的数据类型不是bool。
|
||||
- **TypeError** - `indices` 的数据类型不是int32或int64。
|
||||
- **TypeError** - `input_x` 和 `updates` 的数据类型不相同。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
|
|
|
|||
|
|
@ -13,21 +13,18 @@ mindspore.ops.scatter_nd_max
|
|||
|
||||
`updates` 表示rank为 `Q-1+P-N` 的Tensor，shape为 :math:`(i_0, i_1, ..., i_{Q-2}, x\_shape_N, ..., x\_shape_{P-1})` 。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Parameter) - 输入参数，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定最大值操作的索引，数据类型为mindspore.int32或mindspore.int64。索引的rank必须至少为2，并且 `indices.shape[-1] <= len(shape)` 。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 操作的Tensor，数据类型与 `input_x` 相同，shape为 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **use_locking** (bool) - 是否启用锁保护。默认值：False。
|
||||
|
||||
- **input_x** (Parameter) - 输入参数，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定最大值操作的索引，数据类型为mindspore.int32或mindspore.int64。索引的rank必须至少为2，并且 `indices.shape[-1] <= len(shape)` 。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 操作的Tensor，数据类型与 `input_x` 相同，shape为 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **use_locking** (bool) - 是否启用锁保护。默认值：False。
|
||||
返回：
|
||||
Tensor，更新后的 `input_x` ，shape和数据类型与 `input_x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，更新后的 `input_x` ，shape和数据类型与 `input_x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `use_locking` 的数据类型不是bool。
|
||||
- **TypeError** - `indices` 的数据类型不是int32或int64。
|
||||
- **TypeError** - `input_x` 和 `updates` 的数据类型不相同。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
异常：
|
||||
- **TypeError** - `use_locking` 的数据类型不是bool。
|
||||
- **TypeError** - `indices` 的数据类型不是int32或int64。
|
||||
- **TypeError** - `input_x` 和 `updates` 的数据类型不相同。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
|
|
|
|||
|
|
@ -13,21 +13,18 @@ mindspore.ops.scatter_nd_min
|
|||
|
||||
`updates` 表示rank为 `Q-1+P-N` 的Tensor，shape为 :math:`(i_0, i_1, ..., i_{Q-2}, x\_shape_N, ..., x\_shape_{P-1})` 。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Parameter) - 输入参数，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定最小值操作的索引，数据类型为mindspore.int32或mindspore.int64。索引的rank必须至少为2，并且 `indices.shape[-1] <= len(shape)` 。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 操作的Tensor，数据类型与 `input_x` 相同，shape为 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **use_locking** (bool) - 是否启用锁保护。默认值：False。
|
||||
|
||||
- **input_x** (Parameter) - 输入参数，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定最小值操作的索引，数据类型为mindspore.int32或mindspore.int64。索引的rank必须至少为2，并且 `indices.shape[-1] <= len(shape)` 。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 操作的Tensor，数据类型与 `input_x` 相同，shape为 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **use_locking** (bool) - 是否启用锁保护。默认值：False。
|
||||
返回：
|
||||
Tensor，更新后的 `input_x` ，shape和数据类型与 `input_x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，更新后的 `input_x` ，shape和数据类型与 `input_x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `use_locking` 的数据类型不是bool。
|
||||
- **TypeError** - `indices` 的数据类型不是int32或int64。
|
||||
- **TypeError** - `input_x` 和 `updates` 的数据类型不相同。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
异常：
|
||||
- **TypeError** - `use_locking` 的数据类型不是bool。
|
||||
- **TypeError** - `indices` 的数据类型不是int32或int64。
|
||||
- **TypeError** - `input_x` 和 `updates` 的数据类型不相同。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
|
|
|
|||
|
|
@ -13,21 +13,18 @@ mindspore.ops.scatter_nd_mul
|
|||
|
||||
`updates` 表示rank为 `Q-1+P-N` 的Tensor，shape为 :math:`(i_0, i_1, ..., i_{Q-2}, x\_shape_N, ..., x\_shape_{P-1})` 。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Parameter) - 输入参数，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定乘法操作的索引，数据类型为mindspore.int32或mindspore.int64。索引的rank必须至少为2，并且 `indices.shape[-1] <= len(shape)` 。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 相乘操作的Tensor，数据类型与 `input_x` 相同，shape为 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **use_locking** (bool) - 是否启用锁保护。默认值：False。
|
||||
|
||||
- **input_x** (Parameter) - 输入参数，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定乘法操作的索引，数据类型为mindspore.int32或mindspore.int64。索引的rank必须至少为2，并且 `indices.shape[-1] <= len(shape)` 。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 相乘操作的Tensor，数据类型与 `input_x` 相同，shape为 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **use_locking** (bool) - 是否启用锁保护。默认值：False。
|
||||
返回：
|
||||
Tensor，更新后的 `input_x` ，shape和数据类型与 `input_x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，更新后的 `input_x` ，shape和数据类型与 `input_x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `use_locking` 的数据类型不是bool。
|
||||
- **TypeError** - `indices` 的数据类型不是int32或int64。
|
||||
- **TypeError** - `input_x` 和 `updates` 的数据类型不相同。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
异常：
|
||||
- **TypeError** - `use_locking` 的数据类型不是bool。
|
||||
- **TypeError** - `indices` 的数据类型不是int32或int64。
|
||||
- **TypeError** - `input_x` 和 `updates` 的数据类型不相同。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
|
|
|
|||
|
|
@ -13,21 +13,18 @@ mindspore.ops.scatter_nd_sub
|
|||
|
||||
`updates` 表示rank为 `Q-1+P-N` 的Tensor，shape为 :math:`(i_0, i_1, ..., i_{Q-2}, x\_shape_N, ..., x\_shape_{P-1})` 。
|
||||
|
||||
**参数：**
|
||||
参数：
|
||||
- **input_x** (Parameter) - scatter_nd_sub的输入，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定减法操作的索引，数据类型为mindspore.int32或mindspore.int64。索引的rank必须至少为2，并且 `indices.shape[-1] <= len(shape)` 。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 相减操作的Tensor，数据类型与输入相同。shape为 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **use_locking** (bool) - 是否启用锁保护。默认值：False。
|
||||
|
||||
- **input_x** (Parameter) - scatter_nd_sub的输入，任意维度的Parameter。
|
||||
- **indices** (Tensor) - 指定减法操作的索引，数据类型为mindspore.int32或mindspore.int64。索引的rank必须至少为2，并且 `indices.shape[-1] <= len(shape)` 。
|
||||
- **updates** (Tensor) - 指定与 `input_x` 相减操作的Tensor，数据类型与输入相同。shape为 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **use_locking** (bool) - 是否启用锁保护。默认值：False。
|
||||
返回：
|
||||
Tensor，shape和数据类型与输入 `input_x` 相同。
|
||||
|
||||
**返回：**
|
||||
|
||||
Tensor，shape和数据类型与输入 `input_x` 相同。
|
||||
|
||||
**异常：**
|
||||
|
||||
- **TypeError** - `use_locking` 的数据类型不是bool。
|
||||
- **TypeError** - `indices` 的数据类型不是int32或int64。
|
||||
- **TypeError** - `input_x` 和 `updates` 的数据类型不相同。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
异常：
|
||||
- **TypeError** - `use_locking` 的数据类型不是bool。
|
||||
- **TypeError** - `indices` 的数据类型不是int32或int64。
|
||||
- **TypeError** - `input_x` 和 `updates` 的数据类型不相同。
|
||||
- **ValueError** - `updates` 的shape不等于 `indices.shape[:-1] + x.shape[indices.shape[-1]:]` 。
|
||||
- **RuntimeError** - 当 `input_x` 和 `updates` 类型不一致，需要进行类型转换时，如果 `updates` 不支持转成参数 `input_x` 需要的数据类型，就会报错。
|
||||
|
|
|
|||
Loading…
Reference in New Issue