!46163 sync fixes from master after Nov. 23

Merge pull request !46163 from 李林杰/1129_sync_master_and_r20_alpha
2022-11-29 02:50:04 +00:00 · 2022-11-29 02:50:04 +00:00 · d5c872b116
parent ad8652e384 7941734bd3
commit d5c872b116
16 changed files with 119 additions and 40 deletions
--- 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
--- 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。
--- 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：
--- 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。
--- 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：
--- 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` 。
+
--- 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：
--- 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。
--- 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。
--- 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。
+
--- 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
--- 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<int64_t>(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<int64_t>(Format::NHWC) || data_format == static_cast<int64_t>(Format::NCHW)) &&
--- 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
--- 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'])
--- 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
--- 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