2022-11-12 19:48:47 +08:00
|
|
|
|
mindspore.ops.SegmentProd
|
|
|
|
|
|
==========================
|
|
|
|
|
|
|
|
|
|
|
|
.. py:class:: mindspore.ops.SegmentProd
|
|
|
|
|
|
|
2023-02-26 11:03:48 +08:00
|
|
|
|
计算Tensor中每个分段所有元素的累积。
|
2022-11-12 19:48:47 +08:00
|
|
|
|
|
2023-02-26 11:03:48 +08:00
|
|
|
|
具体来说，生成一个新的Tensor `output` ，满足 :math:`output_i = \prod_j input\_x_j` ，其
|
|
|
|
|
|
中累积是满足 :math:`segment\_ids[j] == i` 这个条件的所有的 `j` 对应的元素相乘的结果。
|
|
|
|
|
|
如果一个分段中没有元素，则输出Tensor中相应的元素将被设置为1：:math:`output[i] = 1`。
|
2022-11-12 19:48:47 +08:00
|
|
|
|
|
|
|
|
|
|
.. warning::
|
|
|
|
|
|
如果 `input_x` 的数据类型是复数，则无法计算其梯度。
|
|
|
|
|
|
|
|
|
|
|
|
输入：
|
|
|
|
|
|
- **input_x** (Tensor) - 输入Tensor。数据类型为实数且秩不小于1的输入Tensor。
|
|
|
|
|
|
- **segment_ids** (Tensor) - 数据类型为为int32或int64的一维Tensor。Tensor的大小必须等于 `input_x` 的shape的第一维。其值必须按升序排序，不需要覆盖所有有效值范围内的值，但必须是正整数。只允许常量值。
|
|
|
|
|
|
|
|
|
|
|
|
输出：
|
|
|
|
|
|
Tensor，其数据类型和shape维度与 `input_x` 相同。shape的第一个维度等于 `segment_ids` 最后一个元素的值加1，其他维度与 `input_x` 一致。
|
|
|
|
|
|
|
|
|
|
|
|
异常：
|
|
|
|
|
|
- **TypeError** - 如果 `input_x` 不是Tensor。
|
|
|
|
|
|
- **TypeError** - 如果 `segment_ids` 不是Tensor。
|
|
|
|
|
|
- **TypeError** - 如果 `input_x` 的数据类型不支持。
|
|
|
|
|
|
- **TypeError** - 如果 `segment_ids` 的数据类型不支持。
|
|
|
|
|
|
- **ValueError** - 如果 `input_x` 的秩小于1。
|
|
|
|
|
|
- **ValueError** - 如果 `segment_ids` 的秩不等于1。
|
|
|
|
|
|
- **ValueError** - 如果 `segment_ids` 的长度不等于 `input_x` shape第一维的大小。
|
|
|
|
|
|
- **ValueError** - 如果 `segment_ids` 含有负数。
|
|
|
|
|
|
- **ValueError** - 如果 `segment_ids` 不是升序排列。
|
