算子支持类
Ascend CPU GPU 环境准备 初级 中级 高级
Q：TransData算子的功能是什么，能否优化性能？
A：TransData算子出现的场景是：如果网络中相互连接的算子使用的数据格式不一致（如NC1HWC0），框架就会自动插入transdata算子使其转换成一致的数据格式，然后再进行计算。 可以考虑训练的时候用我们的amp做混合精度，这样能减少一些fp32的运算，应该能减少一些transdata算子的调用。
Q：算子Concat拼接包含多个Tensor的元组出错，似乎传入的tensor list元素个数>=192就会报错。如果要Concat包含多个Tensor的元组，有什么较好的解决方案？
A：这个昇腾算子底层规格限制一次拼接的Tensor个数不能超过192个，可以尝试分开两次进行拼接。
Q：在使用Conv2D进行卷积定义的时候使用到了group的参数，group的值不是只需要保证可以被输入输出的维度整除即可了吗？group参数的传递方式是怎样的呢？
A：Conv2D算子是有这个约束条件的：当group大于1 时，其值必须要与输入输出的通道数相等。不要使用ops.Conv2D，这个算子目前不支持group>1。目前MindSpore只有nn.Conv2D接口支持组卷积，但是有group要与输入输出的通道数相等的约束。
Conv2D算子的
def __init__(self,
out_channel,
kernel_size,
mode=1,
pad_mode="valid",
pad=0,
stride=1,
dilation=1,
group=1,
data_format="NCHW"):
函数中带有group参数，这个参数默认就会被传到C++层。
Q：Convolution Layers有没有提供3D卷积？
A：目前MindSpore在Ascend上有支持3D卷积的计划。您可以关注官网的支持列表，等到算子支持后会在表中展示。
Q：MindSpore支持矩阵转置吗？
A：支持，请参考mindspore.ops.Transpose的算子教程。
Q：请问MindSpore能算给定任意一个tensor的方差吗？
A：MindSpore目前暂无可以直接求出tensor方差的算子或接口。不过MindSpore有足够多的小算子可以支持用户实现这样的操作，你可以参考class Moments(Cell)来实现。
Q：使用MindSpore-1.0.1版本在图数据下沉模式加载数据异常是什么原因？
A：应该是construct中直接使用了带有axis属性的算子，比如ops.Concat(axis=1)((x1, x2))这种，建议把算子在__init__中初始化 像这样
from mindspore import nn
import mindspore.ops as ops
class Net(nn.Cell):
def __init__(self):
super(Net, self).__init__()
self.concat = ops.Concat(axis=1)
def construct(self, x, y):
out = self.concat((x, y))
return out
Q：nn.Embedding层与PyTorch相比缺少了Padding操作，有其余的算子可以实现吗？
A：在PyTorch中padding_idx的作用是将embedding矩阵中padding_idx位置的词向量置为0，并且反向传播时不会更新padding_idx位置的词向量。在MindSpore中，可以手动将embedding的padding_idx位置对应的权重初始化为0，并且在训练时通过mask的操作，过滤掉padding_idx位置对应的Loss。
Q：Operations中Tile算子执行到__infer__时value值为None，丢失了数值是怎么回事？
A：Tile算子的multiples input必须是一个常量（该值不能直接或间接来自于图的输入）。否则构图的时候会拿到一个None的数据，因为图的输入是在图执行的时候才传下去的，构图的时候拿不到图的输入数据。
相关的资料可以看静态图语法支持。
Q：官网的LSTM示例在Ascend上跑不通。
A：目前LSTM只支持在GPU和CPU上运行，暂不支持硬件环境，您可以通过MindSpore算子支持列表查看算子支持情况。
Q：conv2d设置为(3,10),Tensor[2,2,10,10]，在ModelArts上利用Ascend跑，报错：FM_W+pad_left+pad_right-KW>=strideW，CPU下不报错。
A：这是TBE这个算子的限制，x的width必须大于kernel的width。CPU的这个算子没有这个限制，所以不报错。