modify format
This commit is contained in:
huodagu
parent
e6c9d77e7e
commit
f6a676979e
|
|
@ -11,9 +11,9 @@ mindspore.dataset.IWSLT2017Dataset
|
|||
- **dataset_dir** (str) - 包含数据集文件的根目录路径。
|
||||
- **usage** (str, 可选) - 指定数据集的子集，可取值为'train'，'valid'，'test'或'all'。默认值：None，读取全部样本。
|
||||
- **language_pair** (sequence, 可选) - 包含源语和目标语的语言列表，支持的语言对有（'en', 'nl'）、
|
||||
（'en', 'de'）、（'en', 'it'）、（'en', 'ro'）、（'nl', 'en'）、（'nl', 'de'）、（'nl', 'it'）、（'nl', 'ro'）、
|
||||
（'de', 'en'）、（'de', 'nl'）、（'de', 'it'）、（'de', 'ro'）、（'it', 'en'）、（'it', 'nl'）、（'it', 'de'）、
|
||||
（'it', 'ro'）、（'ro', 'en'）、（'ro', 'nl'）、（'ro', 'de'）、（'ro', 'it'）。默认值：（'de'，'en'）。
|
||||
（'en', 'de'）、（'en', 'it'）、（'en', 'ro'）、（'nl', 'en'）、（'nl', 'de'）、（'nl', 'it'）、（'nl', 'ro'）、
|
||||
（'de', 'en'）、（'de', 'nl'）、（'de', 'it'）、（'de', 'ro'）、（'it', 'en'）、（'it', 'nl'）、（'it', 'de'）、
|
||||
（'it', 'ro'）、（'ro', 'en'）、（'ro', 'nl'）、（'ro', 'de'）、（'ro', 'it'）。默认值：（'de'，'en'）。
|
||||
- **num_samples** (int, 可选) - 指定从数据集中读取的样本数。默认值：None，读取所有样本。
|
||||
- **shuffle** (Union[bool, Shuffle], 可选) - 每个epoch中数据混洗的模式，支持传入bool类型与枚举类型进行指定。默认值：`Shuffle.GLOBAL` 。
|
||||
如果 `shuffle` 为False，则不混洗，如果 `shuffle` 为True，等同于将 `shuffle` 设置为mindspore.dataset.Shuffle.GLOBAL。
|
||||
|
|
|
|||
|
|
@ -43,7 +43,7 @@ mindspore.COOTensor
|
|||
|
||||
参数：
|
||||
- **other** (COOTensor) - 另一个操作数，与当前操作数相加。
|
||||
- **thresh** (Tensor) - 0维。用来决定COOTensor.add结果中的indice/value对是否出现的阈值。如果结果中value的数据类型为实数，则`thresh`的数据类型应该与它的数据类型一致。如果结果中value小于`thresh`, 它将会被丢掉。
|
||||
- **thresh** (Tensor) - 0维。用来决定COOTensor.add结果中的indice/value对是否出现的阈值。如果结果中value的数据类型为实数，则 `thresh` 的数据类型应该与它的数据类型一致。如果结果中value小于 `thresh`, 它将会被丢掉。
|
||||
|
||||
返回：
|
||||
COOTensor，为两COOTensor相加后的结果。
|
||||
|
|
|
|||
|
|
@ -10,7 +10,7 @@ mindspore.ops.argmax
|
|||
参数：
|
||||
- **x** (Tensor) - 输入Tensor，shape： :math:`(N, *)` ，其中 :math:`*` 表示任意数量的附加维度。
|
||||
- **axis** (int，可选) - `argmax` 的指定计算轴。默认值：-1。
|
||||
- **output_type** (:class:`mindspore.dtype` ，可选) - 指定输出数据类型。默认值： `mindspore.dtype.int32` 。
|
||||
- **output_type** (:class:`mindspore.dtype`，可选) - 指定输出数据类型。默认值： `mindspore.dtype.int32` 。
|
||||
|
||||
返回：
|
||||
Tensor，输出为指定轴上输入Tensor最大值的索引。
|
||||
|
|
|
|||
|
|
@ -6,7 +6,7 @@ mindspore.ops.crop_and_resize
|
|||
对输入图像Tensor进行裁剪并调整其大小。
|
||||
|
||||
.. note::
|
||||
当输出的shape依赖 `crop_size`的时候，`crop_size` 必须为常量。
|
||||
当输出的shape依赖 `crop_size` 的时候，`crop_size` 必须为常量。
|
||||
当前该算子的反向仅支持"bilinear"模式，其他模式将会返回0。
|
||||
|
||||
参数：
|
||||
|
|
|
|||
|
|
@ -21,6 +21,6 @@ mindspore.ops.expand
|
|||
- **ValueError** - 如果 `size` 的长度小于 `input_x` shape的大小。
|
||||
- **ValueError** - 如果 `size` 不是一个1D Tensor。
|
||||
- **ValueError** - 如果 `size` 某维度的值不等于 `input_x` 对应维度的值，且 `input_x` 该维度不为1。
|
||||
- **ValueError** - 如果 `size` 有小于0的值在最前面且对应` input_x` 不存在的维度上。
|
||||
- **ValueError** - 如果 `size` 有小于0的值在最前面且对应 `input_x` 不存在的维度上。
|
||||
- **ValueError** - 如果输出的元素数量超过1000000。
|
||||
|
||||
|
|
|
|||
|
|
@ -12,7 +12,7 @@ mindspore.ops.glu
|
|||
请参考 `Language Modeling with Gated Convluational Networks <https://arxiv.org/abs/1612.08083>`_.
|
||||
|
||||
参数：
|
||||
- **x** (Tensor) - 被分Tensor，数据类型为number.Number, shape为 :math:`(\ast_1, N, \ast_2)` ，其中`*`为任意额外维度。
|
||||
- **x** (Tensor) - 被分Tensor，数据类型为number.Number, shape为 :math:`(\ast_1, N, \ast_2)` ，其中 `*` 为任意额外维度。
|
||||
- **axis** (int，可选) - 指定分割轴。数据类型为整型，默认值：-1。
|
||||
|
||||
返回：
|
||||
|
|
|
|||
|
|
@ -25,7 +25,7 @@ mindspore.ops.max_unpool2d
|
|||
默认值：None。
|
||||
- **padding** (Union[int, tuple[int]]) - 填充值。默认值：0。若为int类型，则长宽方向的填充大小相同，均为 `padding` 。
|
||||
若为tuple类型，则tuple中的两个值分别代表长宽方向填充的大小。
|
||||
- **output_size** (tuple[int]， 可选) - 输出shape。默认值：None。
|
||||
- **output_size** (tuple[int]，可选) - 输出shape。默认值：None。
|
||||
如果output_size为()，那么输出shape根据 `kernel_size` 、 `stride` 和 `padding` 计算得出。
|
||||
如果output_size不为()，那么 `output_size` 必须满足格式 :math:`(N, C, H, W)` 或 :math:`(C, H, W)` ，取值范围需满足：
|
||||
:math:`[(N, C, H_{out} - stride[0], W_{out} - stride[1]), (N, C, H_{out} + stride[0], W_{out} + stride[1])]`。
|
||||
|
|
|
|||
|
|
@ -8,7 +8,7 @@ mindspore.ops.sparse_add
|
|||
参数：
|
||||
- **x1** (COOTensor) - 一个操作数，与当前操作数相加。
|
||||
- **x2** (COOTensor) - 另一个操作数，与当前操作数相加。
|
||||
- **thresh** (Tensor) - 0维。用来决定COOTensor.add结果中的indice/value对是否出现的阈值。如果结果中value的数据类型为实数，则`thresh`的数据类型应该与它的数据类型一致。如果结果中value小于`thresh`, 它将会被丢掉。
|
||||
- **thresh** (Tensor) - 0维。用来决定COOTensor.add结果中的indice/value对是否出现的阈值。如果结果中value的数据类型为实数，则 `thresh` 的数据类型应该与它的数据类型一致。如果结果中value小于 `thresh`, 它将会被丢掉。
|
||||
|
||||
返回：
|
||||
COOTensor，为两COOTensor相加后的结果。
|
||||
|
|
|
|||
|
|
@ -1,15 +1,15 @@
|
|||
mindspore.ops.trunc
|
||||
===================
|
||||
|
||||
.. py:function:: mindspore.ops.trunc(input_x)
|
||||
.. py:function:: mindspore.ops.trunc(input)
|
||||
|
||||
返回一个新的张量，该张量具有输入元素的截断整数值。
|
||||
|
||||
参数：
|
||||
- **input_x** (Tensor) - 任意维度的Tensor。
|
||||
- **input** (Tensor) - 任意维度的Tensor。
|
||||
|
||||
返回：
|
||||
Tensor，shape和数据类型与 `input_x` 相同。
|
||||
Tensor，shape和数据类型与 `input` 相同。
|
||||
|
||||
异常：
|
||||
- **TypeError** - `input_x` 不是Tensor。
|
||||
- **TypeError** - `input` 不是Tensor。
|
||||
|
|
|
|||
|
|
@ -4761,7 +4761,7 @@ def diagonal(input, offset=0, dim1=0, dim2=1):
|
|||
to the right equal to the size of the resulting diagonals.
|
||||
|
||||
Args:
|
||||
a (Tensor): Array from which the diagonals are taken.
|
||||
input (Tensor): Array from which the diagonals are taken.
|
||||
offset (int, optional): Offset of the diagonal from the main diagonal.
|
||||
Can be positive or negative. Defaults: 0.
|
||||
dim1 (int, optional): Axis to be used as the first axis of the 2-D
|
||||
|
|
|
|||
|
|
@ -292,10 +292,11 @@ class CropAndResize(Primitive):
|
|||
Normalized coordinates outside the [0, 1] range are allowed, in which case we use `extrapolation_value` to
|
||||
extrapolate the input image values. Types allowed: float32.
|
||||
- **box_index** (Tensor) - A 1-D tensor of shape [num_boxes] with int32 values in [0, batch).
|
||||
The value of `box_index`[i] specifies the image that the i-th box refers to. Types allowed: int32.
|
||||
The value of `box_index[i]` specifies the image that the i-th box refers to. Types allowed: int32.
|
||||
- **crop_size** (Tuple[int]) - A tuple of two int32 elements: (crop_height, crop_width).
|
||||
Only constant value is allowed. All cropped image patches are resized to this size.
|
||||
The aspect ratio of the image content is not preserved. Both crop_height and crop_width need to be positive.
|
||||
|
||||
Outputs:
|
||||
A 4-D tensor of shape [num_boxes, crop_height, crop_width, depth] with type: float32.
|
||||
|
||||
|
|
|
|||
Loading…
Reference in New Issue