sparse promote

docs/api/api_python/mindspore/mindspore.COOTensor.rst

@@ -37,7 +37,7 @@ mindspore.COOTensor
         返回：
             COOTensor。
 
-    .. py:method:: add(other, thresh)
+    .. py:method:: add(other: COOTensor, thresh: Tensor)
 
         与另一个COOTensor相加，并返回新的COOTensor。
 
@@ -63,7 +63,7 @@ mindspore.COOTensor
             - **TypeError** - 如果操作数(本COOTensor)的shape数据类型不等于other的shape数据类型。
             - **TypeError** - 如果操作数(本COOTensor/other)的values的数据类型与thresh数据类型不匹配。
 
-    .. py:method:: astype(dtype)
+    .. py:method:: astype(dtype: mstype)
 
         返回指定数据类型的COOTensor。
 

docs/api/api_python/mindspore/mindspore.CSRTensor.rst

@@ -36,7 +36,7 @@ mindspore.CSRTensor
         返回：
             CSRTensor。
 
-    .. py:method:: add(b, alpha, beta)
+    .. py:method:: add(b: CSRTensor, alpha: Tensor, beta: Tensor)
 
         两个CSRTensor求和：C = alpha * a + beta * b
 
@@ -48,7 +48,7 @@ mindspore.CSRTensor
         返回：
             CSRTensor，求和。
 
-    .. py:method:: astype(dtype)
+    .. py:method:: astype(dtype: mstype)
 
         返回指定数据类型的CSRTensor。
 
@@ -78,7 +78,7 @@ mindspore.CSRTensor
 
         返回每个非零元素所占字节数。
 
-    .. py:method:: mm(dense_matrix)
+    .. py:method:: mm(dense_matrix: Tensor)
 
         返回CSRTensor右乘稠密矩阵的矩阵乘法运算结果。
         shape为 `[M, N]` 的CSRTensor，需要适配shape为 `[N, K]` 的稠密矩阵，得到结果为 `[M, K]` 的稠密矩阵。
@@ -92,7 +92,7 @@ mindspore.CSRTensor
         返回：
             Tensor。
 
-    .. py:method:: mv(dense_vector)
+    .. py:method:: mv(dense_vector: Tensor)
 
         返回CSRTensor右乘稠密矩阵的矩阵乘法运算结果。
         shape为 `[M, N]` 的CSRTensor，需要适配shape为 `[N, 1]` 的稠密向量，得到结果为 `[M, 1]` 的稠密向量。
@@ -121,7 +121,7 @@ mindspore.CSRTensor
 
         返回稀疏矩阵非零元素值数量。
 
-    .. py:method:: sum(axis)
+    .. py:method:: sum(axis: int)
 
         对CSRTensor的某个轴求和。
 

docs/api/api_python/ops/mindspore.ops.func_csr_add.rst

@@ -1,7 +1,7 @@
 mindspore.ops.csr_add
 =================================
 
-.. py:function:: mindspore.ops.csr_add(a, b, alpha, beta)
+.. py:function:: mindspore.ops.csr_add(a: CSRTensor, b: CSRTensor, alpha: Tensor, beta: Tensor)
 
     返回alpha * csr_a + beta * csr_b的结果，其中csr_a和csr_b是CSRTensor，alpha和beta是Tensor。
 

docs/api/api_python/ops/mindspore.ops.func_csr_softmax.rst

@@ -1,7 +1,7 @@
 mindspore.ops.csr_softmax
 =================================
 
-.. py:function:: mindspore.ops.csr_softmax(logits, dtype)
+.. py:function:: mindspore.ops.csr_softmax(logits: CSRTensor, dtype: mstype)
 
     计算 CSRTensorMatrix 的 softmax 。
 
@@ -16,4 +16,3 @@ mindspore.ops.csr_softmax
           - **indices** - 输入中所有非零值的列位置。
           - **values** - 稠密张量的非零值。
           - **shape** - csrtensor 的形状。
-   

docs/api/api_python/ops/mindspore.ops.func_csr_to_coo.rst

@@ -1,7 +1,7 @@
 mindspore.ops.csr_to_coo
 ========================
 
-.. py:function:: mindspore.ops.csr_to_coo(tensor)
+.. py:function:: mindspore.ops.csr_to_coo(tensor: CSRTensor)
 
     将一个CSRTensor转化成一个COOTensor。
 

docs/api/api_python/ops/mindspore.ops.func_dense_to_sparse_coo.rst

@@ -1,7 +1,7 @@
 mindspore.ops.dense_to_sparse_coo
 =================================
 
-.. py:function:: mindspore.ops.dense_to_sparse_coo(tensor)
+.. py:function:: mindspore.ops.dense_to_sparse_coo(tensor: Tensor)
 
     将常规Tensor转为稀疏化的COOTensor。
 

docs/api/api_python/ops/mindspore.ops.func_dense_to_sparse_csr.rst

@@ -1,7 +1,7 @@
 mindspore.ops.dense_to_sparse_csr
 =================================
 
-.. py:function:: mindspore.ops.dense_to_sparse_csr(tensor)
+.. py:function:: mindspore.ops.dense_to_sparse_csr(tensor: Tensor)
 
     将常规Tensor转为稀疏化的CSRTensor。
 

docs/api/api_python/ops/mindspore.ops.func_sparse_add.rst

@@ -1,7 +1,7 @@
 mindspore.ops.sparse_add
 ================================
 
-.. py:function:: mindspore.ops.sparse_add(x1, x2, thresh)
+.. py:function:: mindspore.ops.sparse_add(x1: COOTensor, x2: COOTensor, thresh: Tensor)
 
     两个COOTensor相加，根据相加的结果与thresh返回新的COOTensor。
 

mindspore/python/mindspore/ops/function/sparse_func.py

@@ -605,6 +605,7 @@ def sparse_add(x1: COOTensor, x2: COOTensor, thresh: Tensor) -> COOTensor:
         dtype=Int32, value=[3 1 4 2]))
     """
     x1, x2 = promote_coo(x1, x2)
+    thresh = thresh.astype(x1.dtype)
     x1_indices = x1.indices
     x1_values = x1.values
     x2_indices = x2.indices
@@ -717,6 +718,8 @@ def csr_add(a: CSRTensor, b: CSRTensor, alpha: Tensor, beta: Tensor) -> CSRTenso
         raise_type_error("For functional operator csr_add, both inputs alpha and beta must be Tensor.")
     csr_add_op = SparseMatrixAdd()
     a, b = promote_csr(a, b)
+    alpha = alpha.astype(a.dtype)
+    beta = beta.astype(a.dtype)
     a_batch_pointers = make_tensor([0, a.values.shape[0]], a.indptr.dtype)
     b_batch_pointers = make_tensor([0, b.values.shape[0]], b.indptr.dtype)
     a_shape = make_tensor(a.shape, a.indptr.dtype)