diff --git a/docs/api/api_python/mindspore.ops.rst b/docs/api/api_python/mindspore.ops.rst index 223d3c3ac39..1445037e9dc 100644 --- a/docs/api/api_python/mindspore.ops.rst +++ b/docs/api/api_python/mindspore.ops.rst @@ -396,7 +396,6 @@ Array操作 mindspore.ops.normal mindspore.ops.nonzero mindspore.ops.numel - mindspore.ops.orgqr mindspore.ops.permute mindspore.ops.population_count mindspore.ops.range diff --git a/docs/api/api_python/ops/mindspore.ops.NonDeterministicInts.rst b/docs/api/api_python/ops/mindspore.ops.NonDeterministicInts.rst index 43432449d5e..9749243a3cc 100644 --- a/docs/api/api_python/ops/mindspore.ops.NonDeterministicInts.rst +++ b/docs/api/api_python/ops/mindspore.ops.NonDeterministicInts.rst @@ -1,7 +1,7 @@ mindspore.ops.NonDeterministicInts =================================== -.. py:class:: mindspore.ops.NonDeterministicInts(dtype=mindspore.int64) +.. py:class:: mindspore.ops.NonDeterministicInts(dtype=mstype.int64) 生成指定数据类型范围内的随机整数。 @@ -11,7 +11,7 @@ mindspore.ops.NonDeterministicInts `shape` 中的值必须大于零，输出元素总数不可超过1000000。 参数： - - **dtype** (mindspore.dtype，可选) - 输出数据类型。支持的数据类型为：mindspore.int32和mindspore.int64。默认值：mindspore.int64。 + - **dtype** (mindspore.dtype，可选) - 输出数据类型。支持的数据类型为：mstype.int32和mstype.int64。默认值：mstype.int64。 输入： - **shape** (Tensor) - 输出Tensor的shape。支持的数据类型为：int32和int64。 @@ -21,7 +21,7 @@ mindspore.ops.NonDeterministicInts 异常： - **TypeError** - `shape` 不是Tensor。 - - **TypeError** - `dtype` 不是mindspore.int32或mindspore.int64。 + - **TypeError** - `dtype` 不是mstype.int32或mstype.int64。 - **ValueError** - `shape` 中含有负数。 - **ValueError** - `shape` 元素个数少于2。 - **ValueError** - `shape` 不是一维Tensor。 diff --git a/docs/api/api_python/ops/mindspore.ops.RGBToHSV.rst b/docs/api/api_python/ops/mindspore.ops.RGBToHSV.rst index 4c53ebfffa5..a311b84870f 100644 --- a/docs/api/api_python/ops/mindspore.ops.RGBToHSV.rst +++ b/docs/api/api_python/ops/mindspore.ops.RGBToHSV.rst @@ -6,7 +6,7 @@ mindspore.ops.RGBToHSV 将一张或多张图片由RGB格式转换为HSV格式。 输出与输入有相同shape的Tensor，含有每个像素的HSV值。输出值仅在[0,1]范围内才是被有效定义的。 - .. warning:: + .. note:: 输入图片的最后一维长度必须为3。 输入： diff --git a/docs/api/api_python/ops/mindspore.ops.RandomGamma.rst b/docs/api/api_python/ops/mindspore.ops.RandomGamma.rst index d75af897f9c..86e0e31f090 100644 --- a/docs/api/api_python/ops/mindspore.ops.RandomGamma.rst +++ b/docs/api/api_python/ops/mindspore.ops.RandomGamma.rst @@ -3,11 +3,7 @@ mindspore.ops.RandomGamma .. py:class:: mindspore.ops.RandomGamma(seed=0, seed2=0) - 根据概率密度函数分布生成随机正值浮点数x。函数定义如下： - - .. math:: - - \text{P}(x|α,β) = \frac{\exp(-x/β)}{{β^α}\cdot{\Gamma(α)}}\cdot{x^{α-1}} + 根据概率密度函数分布生成随机正值浮点数x。 .. note:: - 随机种子：通过一些复杂的数学算法，可以得到一组有规律的随机数，而随机种子就是这个随机数的初始值。随机种子相同，得到的随机数就不会改变。 @@ -22,14 +18,13 @@ mindspore.ops.RandomGamma 输入： - **shape** (tuple) - 待生成的随机Tensor的shape。只支持常量值。 - - **alpha** (Tensor) - α为Gamma分布的shape parameter，主要决定了曲线的形状。其值必须大于0。数据类型为float32。 - - **beta** (Tensor) - β为Gamma分布的inverse scale parameter，主要决定了曲线有多陡。其值必须大于0。数据类型为float32。 + - **alpha** (Tensor) - α为RandomGamma分布的shape parameter，主要决定了曲线的形状。其值必须大于0。数据类型为float32。 输出： - Tensor。shape是输入 `shape`， `alpha`， `beta` 广播后的shape。数据类型为float32。 + Tensor。shape是输入 `shape`， `alpha` 相连后的shape。数据类型与 `alpha` 一致。 异常： - **TypeError** - `seed` 或 `seed2` 的数据类型不是int。 - - **TypeError** - `alpha` 或 `beta` 不是Tensor。 - - **TypeError** - `alpha` 或 `beta` 的数据类型不是float32。 + - **TypeError** - `shape` 或 `alpha` 不是Tensor。 + - **TypeError** - `shape` 或 `alpha` 的数据类型不是float32。 - **ValueError** - `shape` 不是常量值。 diff --git a/docs/api/api_python/ops/mindspore.ops.RandomPoisson.rst b/docs/api/api_python/ops/mindspore.ops.RandomPoisson.rst index 10192b9f1f6..9a00bb56376 100644 --- a/docs/api/api_python/ops/mindspore.ops.RandomPoisson.rst +++ b/docs/api/api_python/ops/mindspore.ops.RandomPoisson.rst @@ -1,7 +1,7 @@ mindspore.ops.RandomPoisson ============================ -.. py:class:: mindspore.ops.RandomPoisson(seed=0, seed2=0, dtype=mindspore.int64) +.. py:class:: mindspore.ops.RandomPoisson(seed=0, seed2=0, dtype=mstype.int64) 根据离散概率密度函数分布生成随机非负数浮点数i。函数定义如下： @@ -11,10 +11,10 @@ mindspore.ops.RandomPoisson 参数： - **seed** (int，可选) - 随机数种子。如果 `seed` 或者 `seed2` 被设置为非零，则使用这个非零值。否则使用一个随机生成的种子。默认值：0。 - **seed2** (int，可选) - 另一个随机种子，避免发生冲突。默认值：0。 - - **dtype** (mindspore.dtype，可选) - 输出数据类型， 默人值：mindspore.int64。 + - **dtype** (mindspore.dtype，可选) - 输出数据类型， 默人值：mstype.int64。 输入： - - **shape** (tuple) - 待生成的随机Tensor的shape，是一个一维Tensor。数据类型为nt32或int64。 + - **shape** (tuple) - 待生成的随机Tensor的shape，是一个一维Tensor。数据类型为int32或int64。 - **rate** (Tensor) - `rate` 为Poisson分布的μ参数，决定数字的平均出现次数。数据类型是其中之一：[float16, float32, float64, int32, int64]。 输出： diff --git a/docs/api/api_python/ops/mindspore.ops.SearchSorted.rst b/docs/api/api_python/ops/mindspore.ops.SearchSorted.rst index 677580f7099..3c77263fe82 100644 --- a/docs/api/api_python/ops/mindspore.ops.SearchSorted.rst +++ b/docs/api/api_python/ops/mindspore.ops.SearchSorted.rst @@ -1,8 +1,9 @@ mindspore.ops.SearchSorted =========================== -.. py:class:: mindspore.ops.SearchSorted(out_int32=False, right=False) +.. py:class:: mindspore.ops.SearchSorted(dtype=mstype.int64, right=False) 从 `sequence` 的最内维度查找索引，以便最内维度元素的的顺序在插入 `values` 的值之后维持不变。 更多参考详见 :func:`mindspore.ops.search_sorted` 。 + diff --git a/docs/api/api_python/ops/mindspore.ops.SegmentSum.rst b/docs/api/api_python/ops/mindspore.ops.SegmentSum.rst index 660bf4a9094..24c6ac2d086 100644 --- a/docs/api/api_python/ops/mindspore.ops.SegmentSum.rst +++ b/docs/api/api_python/ops/mindspore.ops.SegmentSum.rst @@ -5,6 +5,9 @@ mindspore.ops.SegmentSum 计算Tensor的片段和。 + .. warning:: + 如果 `input_x` 的数据类型是复数，则不能进行反向求导。 + 计算一个Tensor，使得 :math:`output_i = \sum_j input\_x_j` ，其中求和是在j上，满足：:math:`segment\_ids[j] == i` 。如果给定 ID :math:`i` 的分段的和为空，则有 :math:`output[i] = 0` 。 输入： diff --git a/docs/api/api_python/ops/mindspore.ops.TrilIndices.rst b/docs/api/api_python/ops/mindspore.ops.TrilIndices.rst index b573a321230..76995b4d190 100644 --- a/docs/api/api_python/ops/mindspore.ops.TrilIndices.rst +++ b/docs/api/api_python/ops/mindspore.ops.TrilIndices.rst @@ -1,7 +1,7 @@ mindspore.ops.TrilIndices ========================== -.. py:class:: mindspore.ops.TrilIndices(row, col, offset=0, dtype=mindspore.int32) +.. py:class:: mindspore.ops.TrilIndices(row, col, offset=0, dtype=mstype.int32) 返回一个包含 `row` * `col` 的矩阵的下三角形部分的索引的Tensor。Tensor的shape为 :math:`(2, tril_size)` ，其中， `tril_size` 为下三角矩阵的元素总数。第一行包含所有索引的行坐标，第二行包含列坐标。索引按行排序，然后按列排序。 @@ -13,8 +13,8 @@ mindspore.ops.TrilIndices 参数： - **row** (int) - 2-D 矩阵的行数。 - **col** (int) - 2-D 矩阵的列数。 - - **offset** (int, 可选) - 对角线偏移量。默认值：0。 - - **dtype** (:class:`mindspore.dtype`, 可选) - 指定输出Tensor数据类型，支持的数据类型为 `mindspore.int32` 和 `mindspore.int64` ，默认值： `mindspore.int32` 。 + - **offset** (int，可选) - 对角线偏移量。默认值：0。 + - **dtype** (:class:`mindspore.dtype` ，可选) - 指定输出Tensor数据类型，支持的数据类型为 `mstype.int32` 和 `mstype.int64` ，默认值： `mstype.int32` 。 输出： - **y** (Tensor) - 矩阵的下三角形部分的索引。数据类型由 `dtype` 指定，shape为 :math:`(2, tril_size)` ，其中， `tril_size` 为下三角矩阵的元素总数。 diff --git a/docs/api/api_python/ops/mindspore.ops.TriuIndices.rst b/docs/api/api_python/ops/mindspore.ops.TriuIndices.rst index 76c26333278..098156f7aa4 100644 --- a/docs/api/api_python/ops/mindspore.ops.TriuIndices.rst +++ b/docs/api/api_python/ops/mindspore.ops.TriuIndices.rst @@ -1,7 +1,7 @@ mindspore.ops.TriuIndices ========================== -.. py:class:: mindspore.ops.TriuIndices(row, col, offset=0, dtype=mindspore.int32) +.. py:class:: mindspore.ops.TriuIndices(row, col, offset=0, dtype=mstype.int32) 返回一个包含 `row` * `col` 的矩阵的上三角形部分的索引的Tensor。Tensor的shape为 :math:`(2, tril_size)` ，其中， `tril_size` 为上三角矩阵的元素总数。第一行包含所有索引的行坐标，第二行包含列坐标。索引按行排序，然后按列排序。 @@ -14,7 +14,7 @@ mindspore.ops.TriuIndices - **row** (int) - 2-D 矩阵的行数。 - **col** (int) - 2-D 矩阵的列数。 - **offset** (int，可选) - 对角线偏移量。默认值：0。 - - **dtype** (:class:`mindspore.dtype`，可选) - 指定输出Tensor数据类型，支持的数据类型为 `mindspore.int32` 和 `mindspore.int64` ，默认值： `mindspore.int32` 。 + - **dtype** (:class:`mindspore.dtype`，可选) - 指定输出Tensor数据类型，支持的数据类型为 `mstype.int32` 和 `mstype.int64` ，默认值： `mstype.int32` 。 输出： - **y** (Tensor) - 矩阵的下三角形部分的索引。数据类型由 `dtype` 指定，shape为 :math:`(2, tril_size)` ，其中， `tril_size` 为上三角矩阵的元素总数。 diff --git a/docs/api/api_python/ops/mindspore.ops.TruncatedNormal.rst b/docs/api/api_python/ops/mindspore.ops.TruncatedNormal.rst index 7bfefe7f673..06885eeba72 100644 --- a/docs/api/api_python/ops/mindspore.ops.TruncatedNormal.rst +++ b/docs/api/api_python/ops/mindspore.ops.TruncatedNormal.rst @@ -28,3 +28,4 @@ mindspore.ops.TruncatedNormal - **ValueError** - `shape` 的元素不全大于零。 - **ValueError** - `shape` 不是一维Tensor。 - **ValueError** - 输出Tensor的元素个数大于1000000。 + diff --git a/docs/api/api_python_en/mindspore.ops.rst b/docs/api/api_python_en/mindspore.ops.rst index 14c1812cdcf..2218ecb0e70 100644 --- a/docs/api/api_python_en/mindspore.ops.rst +++ b/docs/api/api_python_en/mindspore.ops.rst @@ -396,7 +396,6 @@ Array Operation mindspore.ops.normal mindspore.ops.nonzero mindspore.ops.numel - mindspore.ops.orgqr mindspore.ops.permute mindspore.ops.population_count mindspore.ops.range diff --git a/mindspore/core/ops/bias_add.cc b/mindspore/core/ops/bias_add.cc index 9e23923484d..4926981bf84 100644 --- a/mindspore/core/ops/bias_add.cc +++ b/mindspore/core/ops/bias_add.cc @@ -65,7 +65,7 @@ abstract::ShapePtr BiasAddInferShape(const PrimitivePtr &primitive, const std::v if ((data_format == static_cast(Format::NCDHW)) && input_shape.size() != x_max_rank && (is_ascend || is_cpu)) { MS_EXCEPTION(ValueError) << "For '" << prim_name - << "', NCDHW format only supports 5-D input on Ascend or CPU, but got a" + << "', NCDHW format only supports 5-D input on Ascend or CPU, but got a " << input_shape.size() << "-D input."; } if ((data_format == static_cast(Format::NHWC) || data_format == static_cast(Format::NCHW)) && diff --git a/mindspore/python/mindspore/ops/operations/array_ops.py b/mindspore/python/mindspore/ops/operations/array_ops.py index da46303dcc2..6cad56acf0b 100755 --- a/mindspore/python/mindspore/ops/operations/array_ops.py +++ b/mindspore/python/mindspore/ops/operations/array_ops.py @@ -5397,6 +5397,21 @@ class BroadcastTo(Primitive): Supported Platforms: ``Ascend`` ``GPU`` ``CPU`` + + Examples: + >>> shape = (2, 3) + >>> x = Tensor(np.array([1, 2, 3]).astype(np.float32)) + >>> output = ops.BroadcastTo(shape=shape)(x) + >>> print(output) + [[1. 2. 3.] + [1. 2. 3.]] + + >>> shape = (-1, 2) + >>> x = Tensor(np.array([[1], [2]]).astype(np.float32)) + >>> output = ops.BroadcastTo(shape=shape)(x) + >>> print(output) + [[1. 1.] + [2. 2.]] """ @prim_attr_register @@ -7752,6 +7767,12 @@ class PopulationCount(Primitive): Supported Platforms: ``Ascend`` ``GPU`` ``CPU`` + + Examples: + >>> input_x = Tensor([0, 1, 3], mindspore.int16) + >>> output = ops.PopulationCount()(input_x) + >>> print(output) + [0 1 2] """ @prim_attr_register diff --git a/mindspore/python/mindspore/ops/operations/math_ops.py b/mindspore/python/mindspore/ops/operations/math_ops.py index 9db7434f6c7..ee5eeb4192a 100644 --- a/mindspore/python/mindspore/ops/operations/math_ops.py +++ b/mindspore/python/mindspore/ops/operations/math_ops.py @@ -5957,6 +5957,12 @@ class Trunc(Primitive): Supported Platforms: ``GPU`` ``CPU`` + + Examples: + >>> x = Tensor(np.array([3.4742, 0.5466, -0.8008, -3.9079]), mindspore.float32) + >>> output = ops.Trunc()(x) + >>> print(output) + [ 3. 0. -0. -3.] """ @prim_attr_register @@ -7295,7 +7301,7 @@ class TrilIndices(Primitive): col (int): number of columns in the 2-D matrix. offset (int, optional): diagonal offset from the main diagonal. Default: 0. dtype (:class:`mindspore.dtype`, optional): The specified type of output tensor. - An optional data type of `mindspore.int32` and `mindspore.int64`. Default: `mindspore.int32`. + An optional data type of `mstype.int32` and `mstype.int64`. Default: `mstype.int32`. Outputs: - **y** (Tensor) - indices of the elements in lower triangular part of matrix. The type specified by `dtype`. @@ -7311,7 +7317,7 @@ class TrilIndices(Primitive): ``GPU`` ``CPU`` Examples: - >>> net = ops.TrilIndices(4, 3, -1, mindspore.int64) + >>> net = ops.TrilIndices(4, 3, -1, mstype.int64) >>> output = net() >>> print(output) [[1 2 2 3 3 3] @@ -7518,8 +7524,8 @@ class TriuIndices(Primitive): row (int): number of rows in the 2-D matrix. col (int): number of columns in the 2-D matrix. offset (int, optional): diagonal offset from the main diagonal. Default: 0. - dtype (:class:`mindspore.dtype`): The specified type of output tensor. - An optional data type of `mindspore.int32` and `mindspore.int64`. Default: `mindspore.int32`. + dtype (:class:`mindspore.dtype`, optional): The specified type of output tensor. + An optional data type of `mstype.int32` and `mstype.int64`. Default: `mstype.int32`. Outputs: - **y** (Tensor) - indices of the elements in lower triangular part of matrix. The type specified by `dtype`. @@ -7535,7 +7541,7 @@ class TriuIndices(Primitive): ``GPU`` ``CPU`` Examples: - >>> net = ops.TriuIndices(5, 4, 2, mindspore.int64) + >>> net = ops.TriuIndices(5, 4, 2, mstype.int64) >>> output = net() >>> print(output) [[0 0 1] @@ -7795,3 +7801,40 @@ class Ormqr(Primitive): self.transpose = validator.check_value_type('transpose', transpose, [bool], self.name) self.add_prim_attr('left', self.left) self.add_prim_attr('transpose', self.transpose) + + +class Roll(Primitive): + """ + Rolls the elements of a tensor along an axis. + + Refer to :func:`mindspore.ops.roll` for more details. + + Supported Platforms: + ``Ascend`` ``GPU`` + + Examples: + >>> input_x = Tensor(np.array([0, 1, 2, 3, 4]).astype(np.float32)) + >>> op = ops.Roll(shift=2, axis=0) + >>> output = op(input_x) + >>> print(output) + [3. 4. 0. 1. 2.] + >>> input_x = Tensor(np.array([[0, 1, 2, 3, 4], [5, 6, 7, 8, 9]]).astype(np.float32)) + >>> op = ops.Roll(shift=-1, axis=0) + >>> output = op(input_x) + >>> print(output) + """ + + @prim_attr_register + def __init__(self, shift, axis): + """Initialize Roll""" + if context.get_context("device_target") == "GPU": + validator.check_value_type("shift", shift, [int, tuple, list], self.name) + validator.check_value_type("axis", axis, [int, tuple, list], self.name) + else: + if isinstance(shift, (tuple, list)) and isinstance(axis, (tuple, list)): + validator.check_equal_int(len(shift), 1, "shift size", self.name) + validator.check_equal_int(len(axis), 1, "shift size", self.name) + validator.check_equal_int(axis[0], 0, "axis", self.name) + elif isinstance(shift, int) and isinstance(axis, int): + validator.check_equal_int(axis, 0, "axis", self.name) + self.init_prim_io_names(inputs=['input_x'], outputs=['output']) diff --git a/mindspore/python/mindspore/ops/operations/nn_ops.py b/mindspore/python/mindspore/ops/operations/nn_ops.py index f24b62559a1..5ba8762cb07 100644 --- a/mindspore/python/mindspore/ops/operations/nn_ops.py +++ b/mindspore/python/mindspore/ops/operations/nn_ops.py @@ -7116,6 +7116,24 @@ class CTCGreedyDecoder(Primitive): Supported Platforms: ``Ascend`` ``CPU`` + + Examples: + >>> inputs = Tensor(np.array([[[0.6, 0.4, 0.2], [0.8, 0.6, 0.3]], + >>> [[0.0, 0.6, 0.0], [0.5, 0.4, 0.5]]]), mindspore.float32) + >>> sequence_length = Tensor(np.array([2, 2]), mindspore.int32) + >>> decoded_indices, decoded_values, decoded_shape, log_probability = ops.CTCGreedyDecoder()(inputs, + >>> sequence_length) + >>> print(decoded_indices) + [[0 0] + [0 1] + [1 0]] + >>> print(decoded_values) + [0 1 0] + >>> print(decoded_shape) + [2 2] + >>> print(log_probability) + [[-1.2] + [-1.3]] """ @prim_attr_register diff --git a/mindspore/python/mindspore/ops/operations/random_ops.py b/mindspore/python/mindspore/ops/operations/random_ops.py index 033e409b4e6..1cd5a095cf6 100755 --- a/mindspore/python/mindspore/ops/operations/random_ops.py +++ b/mindspore/python/mindspore/ops/operations/random_ops.py @@ -34,8 +34,8 @@ class NonDeterministicInts(Primitive): The number of elements of output can not exceed 1000000. Args: - dtype (mindspore.dtype, optional): The date type of output. The supported values are: mindspore.int32 - and mindspore.int64. Default: mindspore.int64. + dtype (mindspore.dtype, optional): The date type of output. The supported values are: mstype.int32 + and mstype.int64. Default: mstype.int64. Inputs: - **shape** (Tensor) - The shape of random tensor to be generated. The supported values are: @@ -46,7 +46,7 @@ class NonDeterministicInts(Primitive): Raises: TypeError: If `shape` is not a Tensor. - TypeError: If `dtype` is not mindspore.int32 or mindspore.int64. + TypeError: If `dtype` is not mstype.int32 or mstype.int64. ValueError: If `shape` has negative elements. ValueError: If `shape` has less than 2 elements. ValueError: If `shape` is not a 1-D tensor. @@ -227,14 +227,13 @@ class RandomGamma(Primitive): Args: seed (int, optional): The operator-level random seed, used to generate random numbers, must be non-negative. Default: 0. - seed2 (int, optional): The global random seed and it will combile with the operator-level + seed2 (int, optional): The global random seed, which combines with the operator-level random seed to determine the final generated random number, must be non-negative. Default: 0. Inputs: - - **shape** (Tensor) - The shape of random tensor to be generated. - Must be one of the following types: int32, int64. 1-D integer tensor. - - **alpha** (Tensor) - α is the shape parameter of RandomGamma distribution. - It must be greater than 0. Must be one of the following types: half, float32, float64. + - **shape** (Tensor) - The shape of random tensor to be generated. It must be constant value. + - **alpha** (Tensor) - α is the shape parameter of RandomGamma distribution, it mainly determines the + shape of the graph curve. It must be greater than 0 and have date type float32. Outputs: Tensor. The shape should be equal to the concat shape between the input `shape` and `alpha`. @@ -580,7 +579,7 @@ class RandomPoisson(Primitive): the seed is set by the given seed. Otherwise, it is seeded by a random seed. Default: 0. seed2 (int, optional): A second seed to avoid seed collision. Default: 0. - dtype (mindspore.dtype, optional): The type of output. Default: mindspore.int64. + dtype (mindspore.dtype, optional): The type of output. Default: mstype.int64. Inputs: - **shape** (Tensor) - The shape of random tensor to be generated, 1-D Tensor, whose dtype must be in