forked from mindspore-Ecosystem/mindspore
commit
44bf5724a9
|
@ -1,5 +1,5 @@
|
|||
mindspore.nn.BiDense
|
||||
===================
|
||||
====================
|
||||
|
||||
.. py:class:: mindspore.nn.BiDense(in1_channels, in2_channels, out_channels, weight_init=None, bias_init=None, has_bias=True)
|
||||
|
||||
|
|
|
@ -31,6 +31,7 @@ mindspore.ops.ApplyProximalAdagrad
|
|||
**输出:**
|
||||
|
||||
包含两个Tensor的Tuple,已被更新的参数。
|
||||
|
||||
- **var** (Tensor) - 与输入 `var` 的shape与数据类型相同。
|
||||
- **accum** (Tensor) - 与输入 `var` 的shape与数据类型相同。
|
||||
|
||||
|
|
|
@ -32,13 +32,13 @@ mindspore.ops.Conv3D
|
|||
- **stride** (Union[int, tuple[int]]) - 数据类型为int或由三个int值所组成的Tuple。当 `stride` 为int时表示在深度、高度和宽度方向的移动步长均为该值。当 `stride` 为三个int值所组成的Tuple时,三个int值分别表示在深度、高度和宽度方向的移动步长。默认值:1。
|
||||
- **pad_mode** (str) - 指定填充模式。可选值为"same"、"valid"、"pad"。默认值:"valid"。
|
||||
|
||||
- same: 输出的深度、高度和宽度分别与对应输入整除 `stride` 后的值相同。
|
||||
同一维度的padding将被尽可能均匀填充在两侧,额外的padding将被填充在尾侧。
|
||||
若设置该模式, `pad` 的值必须为0。
|
||||
- same: 输出的深度、高度和宽度分别与对应输入整除 `stride` 后的值相同。
|
||||
同一维度的padding将被尽可能均匀填充在两侧,额外的padding将被填充在尾侧。
|
||||
若设置该模式, `pad` 的值必须为0。
|
||||
|
||||
- valid: 在不填充的前提下返回有效计算所得的输出。不满足计算的多余像素会被丢弃。如果设置此模式,则 `pad` 的值必须为0。
|
||||
- valid: 在不填充的前提下返回有效计算所得的输出。不满足计算的多余像素会被丢弃。如果设置此模式,则 `pad` 的值必须为0。
|
||||
|
||||
- pad: 在输入深度、高度和宽度各维度两侧进行自动填充。如果设置此模式, `pad` 的值必须大于或等于0。
|
||||
- pad: 在输入深度、高度和宽度各维度两侧进行自动填充。如果设置此模式, `pad` 的值必须大于或等于0。
|
||||
|
||||
- **pad** (Union(int, tuple[int])) - 在输入各维度两侧的填充长度。如果 `pad` 是一个整数,则前部、后部、顶部,底部,左边和右边的填充都等于 `pad` 。如果 `pad` 是6个整数的Tuple,则前部、后部、顶部、底部、左边和右边的填充分别等于填充 `pad[0]` 、 `pad[1]` 、 `pad[2]` 、 `pad[3]` 、 `pad[4]` 和 `pad[5]` 。默认值:0。
|
||||
- **dilation** (Union[int, tuple[int]]) - 三维卷积核膨胀尺寸。数据类型为int或三个整数的Tuple :math:`(dilation_d, dilation_h, dilation_w)` 。目前在深度维度仅支持取值为1。若 :math:`k > 1` ,则kernel间隔 `k` 个元素取样。取值大于等于1且小于对应的高度或宽度大小。默认值: 1。
|
||||
|
@ -48,8 +48,7 @@ mindspore.ops.Conv3D
|
|||
**输入:**
|
||||
|
||||
- **x** (Tensor) - shape为 :math:`(N, C_{in}, D_{in}, H_{in}, W_{in})` 的Tensor。目前数据类型仅支持float16和float32。
|
||||
- **weight** (Tensor) - 若kernel shape为 :math:`(k_d, K_h, K_w)` ,则weight shape应为
|
||||
:math:`(C_{out}, C_{in}/groups, k_d, K_h, K_w)` 。目前数据类型仅支持float16和float32。
|
||||
- **weight** (Tensor) - 若kernel shape为 :math:`(k_d, K_h, K_w)` ,则weight shape应为 :math:`(C_{out}, C_{in}/groups, k_d, K_h, K_w)` 。目前数据类型仅支持float16和float32。
|
||||
- **bias** (Tensor) - shape为 :math:`C_{in}` 的Tensor。目前仅支持None。默认值:None。
|
||||
|
||||
**输出:**
|
||||
|
|
|
@ -1,7 +1,7 @@
|
|||
mindspore.ops.Conv3DTranspose
|
||||
=============================
|
||||
|
||||
.. py:class:: mindspore.ops.Conv3DTranspose(out_channel, kernel_size, mode=1, stride=1, pad_mode='valid', pad=0, dilation=1, group=1, data_format='NCDHW')
|
||||
.. py:class:: mindspore.ops.Conv3DTranspose(in_channel, out_channel, kernel_size, mode=1, stride=1, pad_mode='valid', pad=0, dilation=1, group=1, output_padding=0, data_format='NCDHW')
|
||||
|
||||
计算三维转置卷积,也称为反卷积(实际不是真正的反卷积)。
|
||||
|
||||
|
@ -27,13 +27,14 @@ mindspore.ops.Conv3DTranspose
|
|||
- **mode** (int) - 指定不同的卷积模式。此值目前未被使用。默认值: 1。
|
||||
- **pad_mode** (str) - 指定填充模式。可选值为"same"、"valid"、"pad"。默认值: "valid"。
|
||||
|
||||
- same: 填充输入。输出的深度、高度和宽度分别与对应输入整除 `stride` 后的值相同。
|
||||
同一维度的padding将被尽可能均匀填充在两侧,额外的padding将被填充在尾侧。
|
||||
若设置该模式,`pad` 的值必须为0。
|
||||
- same: 填充输入。输出的深度、高度和宽度分别与对应输入整除 `stride` 后的值相同。
|
||||
同一维度的padding将被尽可能均匀填充在两侧,额外的padding将被填充在尾侧。
|
||||
若设置该模式,`pad` 的值必须为0。
|
||||
|
||||
- valid: 在不填充的前提下返回有效计算所得的输出。不满足计算的多余像素会被丢弃。如果设置此模式,则 `pad` 的值必须为0。
|
||||
- valid: 在不填充的前提下返回有效计算所得的输出。不满足计算的多余像素会被丢弃。如果设置此模式,则 `pad` 的值必须为0。
|
||||
|
||||
- pad: 在输入深度、高度和宽度各维度两侧进行自动填充。如果设置此模式, `pad` 的值必须大于或等于0。
|
||||
- pad: 在输入深度、高度和宽度各维度两侧进行自动填充。如果设置此模式, `pad` 的值必须大于或等于0。
|
||||
|
||||
- **pad** (Union(int, tuple[int])) - 在输入各维度两侧填充的数量。如果 `pad` 是一个整数,则前部、后部、顶部,底部,左边和右边的填充都等于 `pad` 。如果 `pad` 是6个整数的Tuple,则前部、后部、顶部、底部、左边和右边的填充分别等于填充 `pad[0]` 、 `pad[1]` 、 `pad[2]` 、 `pad[3]` 、 `pad[4]` 和 `pad[5]` 。默认值:0。
|
||||
- **stride** (Union(int, tuple[int])) - 三维卷积核的移动步长。数据类型为整型或三个整型的Tuple。一个整数表示在深度、高度和宽度方向的移动步长均为该值。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。默认值:1。
|
||||
- **dilation** (Union(int, tuple[int])) - 卷积核膨胀尺寸,指定应用卷积核的间隔。默认值: 1。
|
||||
|
@ -44,10 +45,7 @@ mindspore.ops.Conv3DTranspose
|
|||
**输入:**
|
||||
|
||||
- **dout** (Tensor) - 卷积操作的输出的梯度Tensor。shape: :math:`(N, C_{in}, D_{out}, H_{out}, W_{out})` 。目前数据类型仅支持float16和float32。
|
||||
- **weight** (Tensor) - 若kernel shape为 :math:`(K_d, K_h, K_w)` ,则weight shape应为
|
||||
:math:`(C_{in}, C_{out}//group, K_d, K_h, K_w)` ,其中 :math:`group` 为算子参数。
|
||||
:math:`//` 为整数除法操作。
|
||||
目前数据类型仅支持float16和float32。
|
||||
- **weight** (Tensor) - 若kernel shape为 :math:`(K_d, K_h, K_w)` ,则weight shape应为 :math:`(C_{in}, C_{out}//group, K_d, K_h, K_w)` ,其中 :math:`group` 为算子参数。:math:`//` 为整数除法操作。目前数据类型仅支持float16和float32。
|
||||
- **bias** (Tensor) - shape为 :math:`C_{out}` 的Tensor。目前仅支持None。默认值:None。
|
||||
|
||||
**输出:**
|
||||
|
|
|
@ -22,7 +22,7 @@ mindspore.ops.CumProd
|
|||
|
||||
**输出:**
|
||||
|
||||
Tensor,shape和数据类型与 `x` 相同。
|
||||
Tensor,shape和数据类型与 `x` 相同。
|
||||
|
||||
**异常:**
|
||||
|
||||
|
|
|
@ -7,6 +7,8 @@ mindspore.ops.Depend
|
|||
|
||||
在大多数情况下,如果操作有作用在IO或内存上的副作用,它们将按照用户的指令依序执行。在某些情况下,如果两个操作A和B没有顺序上的依赖性,而A必须在B之前执行,我们建议使用Depend来指定它们的执行顺序。使用方法如下:
|
||||
|
||||
.. code-block::
|
||||
|
||||
a = A(x) ---> a = A(x)
|
||||
b = B(y) ---> y = Depend(y, a)
|
||||
---> b = B(y)
|
||||
|
|
|
@ -14,10 +14,8 @@ mindspore.ops.IndexAdd
|
|||
**输入:**
|
||||
|
||||
- **x** (Parameter) - 要添加到的输入参数。
|
||||
- **indices** (Tensor) - 沿 `axis` 在指定 `indices` 位置进行加法运算。数据类型支持int32。
|
||||
`indices` 必须为一维且与 `y` 在 `axis` 维度的尺寸相同。 `indices` 取值范围应为[0, b), 其中b为 `x` 在 `axis` 维度的尺寸。
|
||||
- **y** (Tensor) - 被添加的 `x` 的输入Tensor。必须与 `x` 的数据类型相同。
|
||||
除 `axis` 之外的维度shape必须与 `x` 的shape相同。
|
||||
- **indices** (Tensor) - 沿 `axis` 在指定 `indices` 位置进行加法运算。数据类型支持int32。`indices` 必须为一维且与 `y` 在 `axis` 维度的尺寸相同。 `indices` 取值范围应为[0, b), 其中b为 `x` 在 `axis` 维度的尺寸。
|
||||
- **y** (Tensor) - 被添加的 `x` 的输入Tensor。必须与 `x` 的数据类型相同。除 `axis` 之外的维度shape必须与 `x` 的shape相同。
|
||||
|
||||
**输出:**
|
||||
|
||||
|
|
|
@ -1,9 +1,8 @@
|
|||
mindspore.ops.Pdist
|
||||
==================
|
||||
===================
|
||||
|
||||
.. py:function:: mindspore.ops.Pdist()
|
||||
.. py:class:: mindspore.ops.Pdist()
|
||||
|
||||
计算输入中每对行向量之间的p-范数距离。
|
||||
|
||||
更多参考详见 :func:`mindspore.ops.pdist`。
|
||||
|
||||
|
|
|
@ -1,7 +1,7 @@
|
|||
mindspore.ops.Randperm
|
||||
======================
|
||||
|
||||
.. py:class:: mindspore.ops.Randperm(max_length=1, pad=-1, dtype=mindspore.int32)
|
||||
.. py:class:: mindspore.ops.Randperm(max_length=1, pad=-1, dtype=mstype.int32)
|
||||
|
||||
生成从0到n-1不重复的n个随机样本。如果 `max_length` > n,则末尾的 `max_length-n` 个元素使用 `pad` 填充。
|
||||
|
||||
|
|
|
@ -1,17 +1,17 @@
|
|||
mindspore.ops.pdist
|
||||
==================
|
||||
===================
|
||||
|
||||
.. py:function:: mindspore.ops.pdist(x, p)
|
||||
.. py:function:: mindspore.ops.pdist(x, p=2.0)
|
||||
|
||||
计算输入中每对行向量之间的p-范数距离。如果输入`x`的shape为 :math:`(N, M)`,那么输出就是一个shape为 :math:`(N * (N - 1) / 2,)`
|
||||
的Tensor。如果`x`的shape为 :math:`(*B, N, M)`,那么输出就是一个shape为 :math:`(*B, N * (N - 1) / 2)`的Tensor。
|
||||
计算输入中每对行向量之间的p-范数距离。如果输入 `x` 的shape为 :math:`(N, M)` ,那么输出就是一个shape为 :math:`(N * (N - 1) / 2,)` 的Tensor。
|
||||
如果 `x` 的shape为 :math:`(*B, N, M)` ,那么输出就是一个shape为 :math:`(*B, N * (N - 1) / 2)` 的Tensor。
|
||||
|
||||
.. math::
|
||||
y[n] = \sqrt[p]{{\mid x_{i} - x_{j} \mid}^p}
|
||||
|
||||
**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。
|
||||
- **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,P∈[0,∞]。默认值:2.0。
|
||||
|
||||
**返回:**
|
||||
|
@ -25,6 +25,4 @@ mindspore.ops.pdist
|
|||
- **TypeError** - `p` 不是float。
|
||||
- **ValueError** - `p` 是负数。
|
||||
- **ValueError** - `x` 的维度小于2。
|
||||
**支持平台:**
|
||||
``CPU``
|
||||
|
||||
|
|
|
@ -16,11 +16,11 @@ mindspore.nn.probability.bnn_layers.ConvReparam
|
|||
|
||||
- **pad_mode** (str) – 指定填充模式。可选值是"same"、"valid"和"pad"。默认值:"same"。
|
||||
|
||||
same:采用补全方式。输出高度和宽度将与输入相同。将在水平和垂直方向上计算填充的总数,并尽可能均匀地分布在顶部和底部、左侧和右侧。否则,最后的额外填充将从底部和右侧完成。如果设置了此模式,则 padding 必须为0。
|
||||
- same:采用补全方式。输出高度和宽度将与输入相同。将在水平和垂直方向上计算填充的总数,并尽可能均匀地分布在顶部和底部、左侧和右侧。否则,最后的额外填充将从底部和右侧完成。如果设置了此模式,则 padding 必须为0。
|
||||
|
||||
valid:采用丢弃的方式。输出的可能最大高度和宽度将不带 padding 返回。多余的像素将被丢弃。如果设置了此模式,则 padding 必须为0。
|
||||
- valid:采用丢弃的方式。输出的可能最大高度和宽度将不带 padding 返回。多余的像素将被丢弃。如果设置了此模式,则 padding 必须为0。
|
||||
|
||||
pad:输入两侧的隐式 padding。 padding 的值将被填充到输入 Tensor 边界。 padding 必须大于或等于0。
|
||||
- pad:输入两侧的隐式 padding。 padding 的值将被填充到输入 Tensor 边界。 padding 必须大于或等于0。
|
||||
|
||||
- **padding** (Union[int, tuple[int]]) – 输入两侧的隐式 padding 。默认值:0。
|
||||
- **dilation** (Union[int, tuple[int]]) – 数据类型是 int 或2个 int 的元组。该参数指定空洞卷积的空洞率。如果设置为k>1, 将有k−1每个采样位置跳过的像素。它的值必须大于或等于1,并受输入的高度和宽度限制。默认值:1。
|
||||
|
|
|
@ -161,7 +161,7 @@ Element-by-Element Operations
|
|||
|
||||
Reduction Operators
|
||||
^^^^^^^^^^^^^^^^^^^
|
||||
.. mscnplatformautosummary::
|
||||
.. msplatformautosummary::
|
||||
:toctree: ops
|
||||
:nosignatures:
|
||||
:template: classtemplate.rst
|
||||
|
|
Loading…
Reference in New Issue