文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.mint

mindspore.mint提供了大量的functional、nn、优化器接口，API用法及功能等与业界主流用法一致，方便用户参考使用。 mint接口当前是实验性接口，在图编译模式为O0和PyNative模式下性能比ops更优。当前暂不支持O2（图下沉模式）及CPU、GPU后端，后续会逐步完善。

模块导入方法如下：

from mindspore import mint

MindSpore中 mindspore.mint 接口与上一版本相比，新增、删除和支持平台的变化信息请参考 mindspore.mint API接口变更 。

Tensor

创建运算

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.arange	创建一个从 start 开始到 end 结束（不含）、步长为 step 的序列（一维张量）。	Ascend	无	aclnnArange
mindspore.mint.bernoulli	从伯努利分布中进行采样，并根据输入 input 中第 i 个元素给出的概率值，将输出 output 中的第 i 元素随机设置为0或1。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnBernoulliTensor
mindspore.mint.bincount	统计 input 中每个值的出现次数。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnBincount
mindspore.mint.clone	返回一个输入Tensor的副本。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnInplaceCopy
mindspore.mint.eye	返回一个主对角线上元素为1，其余元素为0的tensor。	Ascend	无	aclnnEye
mindspore.mint.einsum	基于爱因斯坦求和约定（Einsum）符号，沿着指定维度对输入Tensor元素的乘积求和。	Ascend	这是一个实验性API，后续可能修改或删除。	无
mindspore.mint.empty	创建一个数据没有初始化的Tensor。	Ascend	这是一个实验性API，后续可能修改或删除。	无
mindspore.mint.empty_like	创建一个未初始化的Tesnor，shape和 input 相同，dtype由 dtype 决定，Tensor使用的内存由 device 决定。	Ascend	这是一个实验性API，后续可能修改或删除。	无
mindspore.mint.full	创建一个指定shape的Tensor，并用指定值填充。	Ascend	无	aclnnInplaceFillScalar
mindspore.mint.full_like	返回一个shape与 input 相同并且使用 fill_value 填充的Tensor。	Ascend	无	aclnnInplaceFillScalar
mindspore.mint.linspace	创建一个steps个元素的，在[start, end]区间内均匀分布的一维tensor。	Ascend	Atlas训练系列产品暂不支持int16数据类型。	aclnnLinspace
mindspore.mint.ones	创建一个值全为1的Tensor。	Ascend	无	aclnnInplaceOne
mindspore.mint.ones_like	创建一个数值全为1的Tensor，shape和 input 相同，dtype由 dtype 决定。	Ascend	无	aclnnInplaceOne
mindspore.mint.randint	返回一个Tensor，shape和dtype由输入决定，其元素为 [ low , high ) 区间的随机整数。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnInplaceRandom
mindspore.mint.randint_like	返回一个Tensor，其元素为 [ low , high ) 区间的随机整数，根据 input 决定shape和dtype。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnInplaceRandom
mindspore.mint.randn	返回一个Tensor，shape和dtype由输入决定，其元素为服从标准正态分布的数字。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnInplaceNormal
mindspore.mint.randn_like	返回shape与输入相同，类型为 dtype 的Tensor。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnInplaceNormal
mindspore.mint.randperm	生成从 0 到 n-1 的整数随机排列。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnRandperm
mindspore.mint.zeros	创建一个值全为0的Tensor。	Ascend	无	aclnnInplaceZero
mindspore.mint.zeros_like	创建一个数值全为0的Tensor，shape和 input 相同，dtype由 dtype 决定。	Ascend	无	aclnnInplaceZero

索引、切分、连接、突变运算

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.cat	在指定维度上拼接输入Tensor。	Ascend	无	aclnnCat
mindspore.mint.chunk	沿着指定轴 dim 将输入Tensor切分成 chunks 个sub-tensor。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnSplitWithSize , aclnnSplitTensor
mindspore.mint.concat	mindspore.mint.cat() 的别名。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnCat
mindspore.mint.count_nonzero	在给定维度 dim 上，计算 Tensor input 中非零元素的数量。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnNeScalar
mindspore.mint.gather	返回输入Tensor在指定 index 索引上对应元素组成的切片。	Ascend	在Ascend后端，以下场景将导致不可预测的行为： 正向执行流程中，当 index 的取值不在范围 [-input.shape[dim], input.shape[dim]) 内； 反向执行流程中，当 index 的取值不在范围 [0, input.shape[dim]) 内。	aclnnGather
mindspore.mint.index_add	根据 index 中的索引顺序，将 alpha 乘以 source 的元素累加到 input 中。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnIndexAdd
mindspore.mint.index_select	返回一个新的Tensor，该Tensor沿维度 dim 按 index 中给定的索引对 input 进行选择。	Ascend	无	aclnnIndexSelect
mindspore.mint.masked_select	返回一个一维tensor，它根据掩码对输入tensor进行索引。	Ascend	无	aclnnMaskedSelect
mindspore.mint.permute	按照输入 dims 的维度顺序排列输入Tensor。	Ascend	无	aclnnPermute
mindspore.mint.reshape	基于给定的 shape ，对输入Tensor进行重新排列。	Ascend	无	无
mindspore.mint.scatter	根据指定索引将 src 中的值更新到 input 中返回输出。	Ascend	无	aclnnScatterAdd
mindspore.mint.scatter_add	将 src 中所有的元素添加到 input 中 index 指定的索引处。	Ascend	无	aclnnScatterAdd
mindspore.mint.split	根据指定的轴将输入Tensor切分成块。	Ascend	无	aclnnSplitTensor , aclnnSplitWithSize
mindspore.mint.narrow	沿着指定的轴，指定起始位置获取指定长度的Tensor。	Ascend	无	aclnnSlice
mindspore.mint.nonzero	返回所有非零元素下标位置。	Ascend	无	aclnnNonzero
mindspore.mint.tile	通过复制 dims 次 input 来创建新的Tensor。	Ascend	无	aclnnRepeat
mindspore.mint.tril	返回输入Tensor input 的下三角形部分(包含对角线和下面的元素)，并将其他元素设置为0。	Ascend	无	aclnnTril
mindspore.mint.select	在给定索引处沿选定维度对输入Tensor进行切片。	Ascend	这是一个实验性API，可能会更改或删除。	无
mindspore.mint.squeeze	返回删除指定 dim 中大小为1的维度后的Tensor。	Ascend	这是一个实验性API，后续可能修改或删除。	无
mindspore.mint.stack	在指定轴上对输入Tensor序列进行堆叠。	Ascend	无	aclnnStack
mindspore.mint.swapaxes	mindspore.mint.transpose() 的别名。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnPermute
mindspore.mint.transpose	交换Tensor的两个维度。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnPermute
mindspore.mint.triu	返回输入Tensor input 的上三角形部分(包含对角线和下面的元素)，并将其他元素设置为0。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnTri
mindspore.mint.unbind	根据指定轴对Tensor进行分解。	Ascend	这是一个实验性API，后续可能修改或删除。	无
mindspore.mint.unique_consecutive	对输入Tensor中连续且重复的元素去重。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnUniqueConsecutive
mindspore.mint.unsqueeze	对输入 input 在给定维上添加额外维度。	Ascend	无	无
mindspore.mint.where	返回一个Tensor，Tensor的元素从 input 或 other 中根据 condition 选择。	Ascend	无	aclnnSWhere

随机采样

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.multinomial	根据输入生成一个多项式分布的Tensor。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnMultinomial
mindspore.mint.normal	根据正态（高斯）随机数分布生成随机数。	Ascend	无	aclnnNormalTensorTensor , aclnnNormalTensorFloat , aclnnNormalFloatTensor , aclnnNormalFloatFloat , aclnnInplaceNormal
mindspore.mint.rand_like	返回shape与输入相同，类型为 dtype 的Tensor，dtype由输入决定，其元素取值服从 $[0,1)$ 区间内的均匀分布。	Ascend	无	aclnnInplaceUniform
mindspore.mint.rand	返回一个Tensor，shape和dtype由输入决定，其元素为服从均匀分布的 $[0,1)$ 区间的数字。	Ascend	无	aclnnInplaceUniform

数学运算

逐元素运算

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.abs	逐元素计算输入Tensor的绝对值。	Ascend	无	aclnnAbs
mindspore.mint.add	对 other 缩放 scalar 后与 input 相加。	Ascend	无	aclnnAdd
mindspore.mint.addmv	mat 和 vec 矩阵向量相乘，且将输入向量 input 加到最终结果中。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnAddmv
mindspore.mint.acos	逐元素计算输入Tensor的反余弦。	Ascend	无	aclnnAcos
mindspore.mint.acosh	逐元素计算输入Tensor的反双曲余弦。	Ascend	无	aclnnAcosh
mindspore.mint.arccos	mindspore.mint.acos() 的别名。	Ascend	无	aclnnAcos
mindspore.mint.arccosh	mindspore.mint.acosh() 的别名。	Ascend	无	aclnnAcosh
mindspore.mint.arcsin	mindspore.mint.asin() 的别名。	Ascend	无	aclnnAsin
mindspore.mint.arcsinh	mindspore.mint.asinh() 的别名。	Ascend	无	aclnnAsinh
mindspore.mint.arctan	mindspore.mint.atan() 的别名。	Ascend	无	aclnnAtan
mindspore.mint.arctan2	mindspore.mint.atan2() 的别名。	Ascend	无	aclnnAtan2
mindspore.mint.arctanh	mindspore.mint.atanh() 的别名。	Ascend	无	aclnnAtanh
mindspore.mint.asin	逐元素计算输入Tensor的反正弦。	Ascend	无	aclnnAsin
mindspore.mint.asinh	计算输入元素的反双曲正弦。	Ascend	无	aclnnAsinh
mindspore.mint.atan	逐元素计算输入Tensor的反正切值。	Ascend	无	aclnnAtan
mindspore.mint.atan2	逐元素计算input/other的反正切值。	Ascend	无	aclnnAtan2
mindspore.mint.atanh	逐元素计算输入tensor的反双曲正切值。	Ascend	无	aclnnAtanh
mindspore.mint.bitwise_and	逐元素执行两个Tensor的与运算。	Ascend	无	aclnnBitwiseAndTensor
mindspore.mint.bitwise_or	逐元素执行两个Tensor的或运算。	Ascend	无	aclnnBitwiseOrTensor
mindspore.mint.bitwise_xor	逐元素执行两个Tensor的异或运算。	Ascend	无	aclnnBitwiseXorTensor
mindspore.mint.ceil	逐元素对输入tensor做向上取整。	Ascend	无	aclnnCeil
mindspore.mint.clamp	将输入Tensor的值裁剪到指定的最小值和最大值之间。	Ascend	无	aclnnClampTensor
mindspore.mint.cos	逐元素计算输入tensor的余弦。	Ascend	如果使用float64，可能会存在精度丢失的问题。	aclnnCos
mindspore.mint.cosh	逐元素计算输入tensor的双曲余弦。	Ascend	无	aclnnCosh
mindspore.mint.cross	返回沿着维度 dim 上，input 和 other 的向量积（叉积）。	Ascend	无	aclnnLinalgCross
mindspore.mint.diff	计算沿给定维度的第n个正向差。	Ascend	这是一个实验性API，后续可能修改或删除。	无
mindspore.mint.div	逐元素计算 input 除以 other 的商。	Ascend	无	aclnnDiv
mindspore.mint.divide	mindspore.mint.div() 的别名。	Ascend	无	aclnnDiv
mindspore.mint.erf	逐元素计算输入tensor的高斯误差。	Ascend	无	aclnnErfinv
mindspore.mint.erfc	逐元素计算输入tensor的互补误差。	Ascend	无	aclnnErfc
mindspore.mint.erfinv	逐元素计算输入tensor的逆误差。	Ascend	无	aclnnErfinv
mindspore.mint.exp	逐元素计算输入tensor的指数。	Ascend	无	aclnnExp
mindspore.mint.exp2	逐元素计算输入tensor以2为底的指数。	Ascend	无	aclnnExp2
mindspore.mint.expm1	逐元素计算输入tensor的指数，然后减1。	Ascend	无	aclnnExpm1
mindspore.mint.fix	mindspore.mint.trunc() 的别名。	Ascend	无	aclnnTrunc
mindspore.mint.float_power	使用双精度计算 input 中每个元素的 exponent 次幂，并返回一个float64类型的Tensor。	Ascend	这是一个实验性API，后续可能修改或删除。	无
mindspore.mint.floor	逐元素对输入tensor做向下取整。	Ascend	无	aclnnFloor
mindspore.mint.fmod	计算除法运算 input/other 的浮点余数。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnFmodTensor
mindspore.mint.frac	计算 input 中每个元素的小数部分。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnFrac
mindspore.mint.lerp	基于权重参数计算两个Tensor之间的线性插值。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnLerp
mindspore.mint.log	逐元素计算输入tensor的自然对数。	Ascend	如果输入值在(0, 0.01]或[0.95, 1.05]范围内，则输出精度可能会存在误差。	aclnnLog
mindspore.mint.log1p	逐元素计算（tensor + 1）的自然对数。	Ascend	无	aclnnLog1p
mindspore.mint.log2	逐元素返回Tensor以2为底的对数。	Ascend	如果输入值在(0, 0.01]或[0.95, 1.05]范围内，则输出精度可能会存在误差。	aclnnLog2
mindspore.mint.log10	逐元素返回Tensor以10为底的对数。	Ascend	这是一个实验性API，后续可能修改或删除。 如果输入值在(0, 0.01]或[0.95, 1.05]范围内，则输出精度可能会存在误差。	aclnnLog10
mindspore.mint.logaddexp	计算输入的指数和的对数。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnLogAddExp
mindspore.mint.logaddexp2	计算以2为底的输入的指数和的对数。	Ascend	无	aclnnLogAddExp2
mindspore.mint.logical_and	逐元素计算两个Tensor的逻辑与运算。	Ascend	无	aclnnLogicalAnd
mindspore.mint.logical_not	逐元素计算一个Tensor的逻辑非运算。	Ascend	无	aclnnLogicalNot
mindspore.mint.logical_or	逐元素计算两个Tensor的逻辑或运算。	Ascend	无	aclnnLogicalOr
mindspore.mint.logical_xor	逐元素计算两个Tensor的逻辑异或运算。	Ascend	无	aclnnLogicalXor
mindspore.mint.mul	将 other 与 input 相乘。	Ascend	无	aclnnMul , aclnnMuls
mindspore.mint.mv	实现矩阵 input 和向量 vec 相乘。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnMv
mindspore.mint.nansum	计算 input 指定维度元素的和，将非数字(NaNs)处理为零。	Ascend	仅支持 Atlas A2 训练系列产品。 这是一个实验性API，后续可能修改或删除。	aclnnReduceNansum
mindspore.mint.nan_to_num	将 input 中的 NaN 、正无穷大和负无穷大值分别替换为 nan 、posinf 和 neginf 指定的值。	Ascend	对于Ascend，仅支持 Atlas A2 训练系列产品。 这是一个实验性API，后续可能修改或删除。	aclnnNanToNum
mindspore.mint.neg	计算输入input的相反数并返回。	Ascend	无	aclnnNeg
mindspore.mint.negative	mindspore.mint.neg() 的别名。	Ascend	无	aclnnNeg
mindspore.mint.pow	计算 input 中每个元素的 exponent 次幂。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnPowTensorTensor
mindspore.mint.polar	将极坐标转化为笛卡尔坐标。	Ascend	无	aclnnPolar
mindspore.mint.ravel	沿着0轴方向，将多维Tensor展开成一维。	Ascend	无	无
mindspore.mint.reciprocal	返回输入Tensor每个元素的倒数。	Ascend	无	aclnnReciprocal
mindspore.mint.remainder	逐元素计算 input 除以 other 后的余数。	Ascend	无	aclnnRemainderTensorTensor
mindspore.mint.roll	沿轴移动Tensor的元素。	Ascend	无	aclnnRoll
mindspore.mint.round	对输入数据进行四舍五入到最接近的整数数值。	Ascend	无	aclnnRoundDecimals
mindspore.mint.rsqrt	逐元素计算输入Tensor元素的平方根倒数。	Ascend	无	aclnnRsqrt
mindspore.mint.sigmoid	逐元素计算Sigmoid激活函数。	Ascend	无	aclnnSigmoid
mindspore.mint.sign	按sign公式逐元素计算输入Tensor。	Ascend	无	aclnnSign
mindspore.mint.sin	逐元素计算输入Tensor的正弦。	Ascend	无	aclnnSin
mindspore.mint.sinc	计算输入的归一化正弦值。	Ascend	无	aclnnSinc
mindspore.mint.sinh	逐元素计算输入Tensor的双曲正弦。	Ascend	无	aclnnSinh
mindspore.mint.softmax	mindspore.mint.nn.functional.softmax() 的别名。	Ascend	无	aclnnSoftmax
mindspore.mint.sqrt	逐元素返回当前Tensor的平方根。	Ascend	无	aclnnsqrt
mindspore.mint.square	逐元素计算tensor的平方。	Ascend	无	aclnnMul
mindspore.mint.sub	对 other 缩放 scalar 后与 input 相减。	Ascend	无	aclnnSub
mindspore.mint.t	转置输入Tensor。	Ascend	这是一个实验性API，后续可能修改或删除。	无
mindspore.mint.tan	逐元素计算输入元素的正切值。	Ascend	无	aclnnTan
mindspore.mint.tanh	逐元素计算输入元素的双曲正切。	Ascend	无	aclnnTanh
mindspore.mint.trunc	返回一个新的Tensor，该Tensor具有输入元素的截断整数值。	Ascend	无	aclnnTrunc
mindspore.mint.xlogy	计算第一个输入乘以第二个输入的对数。	Ascend	无	aclnnXLogYTensor

Reduction运算

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.amax	计算输入 input 中指定 dim 维度上所有元素的最大值，并根据 keepdim 参数决定是否保留该维度。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnAmax
mindspore.mint.amin	计算输入 input 中指定 dim 维度上所有元素的最小值，并根据 keepdim 参数决定是否保留该维度。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnAmin
mindspore.mint.argmax	返回输入Tensor最大值索引。	Ascend	无	aclnnArgMax
mindspore.mint.argmin	返回输入Tensor在指定轴上的最小值索引。	Ascend	无	aclnnArgMin
mindspore.mint.argsort	按指定顺序对输入Tensor沿给定维度进行排序，并返回排序后的索引。	Ascend	这是一个实验性API，后续可能修改或删除	aclnnArgsort
mindspore.mint.all	检查是否所有元素均为 True。	Ascend	无	aclnnAll
mindspore.mint.any	检查指定维度上是否含有 True。	Ascend	无	aclnnAny
mindspore.mint.cumprod	返回tensor在指定维度上累积的元素乘积。	Ascend	无	无
mindspore.mint.histc	计算Tensor的直方图。	Ascend	这是一个实验性API，后续可能修改或删除。 如果 input 是int64，有效取值在int32范围内，超出范围可能产生精度误差。	aclnnHistc
mindspore.mint.logsumexp	计算输入 input 中指定 dim 维度上所有元素指数和的对数（计算过程经过数值稳定处理）， 并根据 keepdim 参数决定是否保留该维度。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnLogSumExp
mindspore.mint.max	返回输入Tensor的最大值。	Ascend	无	aclnnMaxDim , aclnnMax
mindspore.mint.mean	移除输入所有维度，返回 input 中所有元素的平均值。	Ascend	无	aclnnMean
mindspore.mint.median	输出指定维度 dim 上的中值与其对应的索引。	Ascend	无	aclnnMedian , aclnnMedianDim
mindspore.mint.min	返回输入Tensor的最小值。	Ascend	无	aclnnMinDim , aclnnMin
mindspore.mint.norm	返回给定Tensor的矩阵范数或向量范数。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnNorm
mindspore.mint.prod	计算Tensor所有元素的乘积。	Ascend	无	aclnnProd , aclnnProdDim
mindspore.mint.sum	计算Tensor所有元素的和。	Ascend	无	aclnnReduceSum
mindspore.mint.std	计算指定维度 dim 上的标准差。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnStd
mindspore.mint.std_mean	默认情况下，返回Tensor各维度上的标准差和均值。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnStdMeanCorrection
mindspore.mint.unique	对输入Tensor中元素去重。	Ascend	无	aclnnUniqueDim
mindspore.mint.var	计算指定维度 dim 上的方差。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnVarCorrection
mindspore.mint.var_mean	默认情况下，返回Tensor各维度上的方差和均值。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnVarMean

比较运算

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.allclose	返回一个布尔型标量，表示 input 的每个元素均与 other 的对应元素在给定容忍度内“接近”。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnIsClose
mindspore.mint.argsort	按指定顺序对输入Tensor沿给定维度进行排序，并返回排序后的索引。	Ascend	这是一个实验性API，后续可能修改或删除	aclnnArgsort
mindspore.mint.eq	逐元素计算两个输入是否相等。	Ascend	无	aclnnEqTensor
mindspore.mint.equal	比较两个输入是否相等。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnEqual
mindspore.mint.greater	逐元素计算 $input>other$ 的值。	Ascend	无	aclnnGtTensor
mindspore.mint.greater_equal	按元素比较输入参数 $input>=other$ 的值，输出结果为bool值。	Ascend	无	aclnnGeTensor
mindspore.mint.gt	按元素比较输入参数 $input,other$ 的值，输出结果为bool值。	Ascend	无	aclnnGtTensor
mindspore.mint.isclose	返回一个布尔型tensor，表示两个tensor在容忍度内是否逐元素相等。	Ascend	无	aclnnIsClose
mindspore.mint.isfinite	判断输入数据每个位置上的元素是否是有限数。	Ascend	无	aclnnIsFinite
mindspore.mint.isinf	返回一个布尔型tensor，指示哪些元素是正负无穷数。	Ascend	这是一个实验性API，后续可能修改或删除。 该API目前只支持在Atlas A2训练系列产品上使用。	无
mindspore.mint.isneginf	确定输入Tensor每个位置上的元素是否为负无穷。	Ascend	该API目前只支持在Atlas A2训练系列产品上使用。	aclnnIsNegInf
mindspore.mint.le	逐元素计算 $input<=other$ 的值。	Ascend	无	aclnnLeTensor
mindspore.mint.less	逐元素计算 $input<other$ 的值。	Ascend	无	aclnnLeTensor
mindspore.mint.less_equal	逐元素计算 $input<=other$ 的值。	Ascend	无	aclnnLeTensor
mindspore.mint.lt	mindspore.mint.less() 的别名。	Ascend	无	aclnnLtTensor
mindspore.mint.maximum	逐元素计算两个输入tensor中最大值。	Ascend	如果所有输入都为标量int类型，在Graph模式下，输出为int32类型的Tensor，在PyNative模式下，输出为int64类型的Tensor。	aclnnMaximum
mindspore.mint.minimum	逐元素计算两个输入tensor的最小值。	Ascend	无	aclnnMinimum
mindspore.mint.ne	逐元素计算两个输入是否不相等。	Ascend	无	aclnnNeTensor
mindspore.mint.not_equal	mindspore.mint.ne() 的别名。	Ascend	无	aclnnNeTensor , aclnnNeScalar
mindspore.mint.topk	沿给定维度查找 k 个最大或最小元素和对应的索引。	Ascend	如果 sorted 设置为False, 由于在不同平台上存在内存排布以及遍历方式不同等问题，sorted 设置为False时计算结果的显示顺序可能会出现不一致的情况。	aclnnTopk
mindspore.mint.sort	按指定顺序对输入Tensor的指定维上的元素进行排序。	Ascend	目前能良好支持的数据类型有：float16、uint8、int8、int16、int32、int64。如果使用float32，可能产生精度误差。	aclnnSort

BLAS和LAPACK运算

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.addbmm	对 batch1 和 batch2 应用批量矩阵乘法后进行规约加， input 和最终的结果相加。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnAddbmm
mindspore.mint.addmm	对输入的两个二维矩阵mat1与mat2相乘，并将结果与input相加。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnAddmm
mindspore.mint.baddbmm	对输入的两个三维矩阵batch1与batch2相乘，并将结果与input相加。	Ascend	无	aclnnBaddbmm
mindspore.mint.bmm	基于batch维度的两个Tensor的矩阵乘法，仅支持三维。	Ascend	无	aclnnBatchMatMul
mindspore.mint.dot	计算两个1DTensor的点积。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnDot
mindspore.mint.inverse	计算输入矩阵的逆。	Ascend	无	aclnnInverse
mindspore.mint.matmul	计算两个数组的矩阵乘积。	Ascend	无	aclnnMatmul
mindspore.mint.meshgrid	从给定的Tensor生成网格矩阵。	Ascend	这是一个实验性API，后续可能修改或删除。	无
mindspore.mint.mm	计算两个矩阵的乘积。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnMm
mindspore.mint.outer	计算 input 和 vec2 的外积。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnmul
mindspore.mint.trace	返回 input 的主对角线方向上的总和。	Ascend	无	aclnnTrace

其他运算

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.broadcast_to	将输入shape广播到目标shape。	Ascend	无	aclnnExpand
mindspore.mint.cdist	计算两个Tensor每对行向量之间的p-norm距离。	Ascend	这是一个实验性API，后续可能修改或删除。	无
mindspore.mint.cummax	返回一个元组（最值、索引），其中最值是输入Tensor input 沿维度 dim 的累积最大值，索引是每个最大值的索引位置。	Ascend	无	aclnnCummax
mindspore.mint.cummin	返回一个元组（最值、索引），其中最值是输入Tensor input 沿维度 dim 的累积最小值，索引是每个最小值的索引位置。	Ascend	无	aclnnCummin
mindspore.mint.cumsum	计算输入Tensor input 沿轴 dim 的累积和。	Ascend	无	aclnnCumsum
mindspore.mint.diag	如果 input 是向量（1-D 张量），则返回一个二维张量，其中 input 的元素作为对角线。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnDiag
mindspore.mint.flatten	沿着从 start_dim 到 end_dim 的维度，对输入Tensor进行展平。	Ascend	无	无
mindspore.mint.flip	沿给定轴翻转Tensor中元素的顺序。	Ascend	无	aclnnFlip
mindspore.mint.repeat_interleave	沿着轴重复Tensor的元素，类似 mindspore.numpy.repeat()。	Ascend	仅Atlas A2训练系列产品支持。	aclnnRepeatInterleave , aclnnRepeatInterleaveWithDim
mindspore.mint.searchsorted	返回元素能够插入输入tensor的位置索引，以维持原tensor的递增顺序。	Ascend	无	aclnnSearchSorted
mindspore.mint.tril	返回输入Tensor input 的下三角形部分(包含对角线和下面的元素)，并将其他元素设置为0。	Ascend	无	aclnnTril
mindspore.mint.triangular_solve	求解正上三角形或下三角形可逆矩阵 A 和包含多个元素的右侧边 b 的方程组的解。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnTriangularSolve

mindspore.mint.nn

卷积层

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.Conv2d	二维卷积层。	Ascend	无	aclnnConvolution
mindspore.mint.nn.Conv3d	三维卷积层。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnConvolution
mindspore.mint.nn.ConvTranspose2d	将2D转置卷积运算应用于由多个输入平面组成的输入图像。	Ascend	这是一个实验性API，后续可能修改或删除。 在输入非连续场景下， output_padding 必须小于 stride 。 在Atlas训练系列产品上，float32类型输入时，仅支持 groups 为1。	aclnnConvolution
mindspore.mint.nn.Fold	将提取出的滑动局部区域块还原成更大的输出Tensor。	Ascend	无	aclnnIm2colBackward
mindspore.mint.nn.Unfold	从一个batch的输入Tensor中提取滑动局部块。	Ascend	无	aclnnIm2col

归一化层

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.BatchNorm1d	在二维或三维输入上应用批归一化。	Ascend	该接口不支持动态Rank。 这是一个实验性API，后续可能修改或删除。	aclnnBatchNorm
mindspore.mint.nn.BatchNorm2d	在四维输入上应用批归一化。	Ascend	该接口不支持动态Rank。 这是一个实验性API，后续可能修改或删除。	aclnnBatchNorm
mindspore.mint.nn.BatchNorm3d	在五维输入上应用批归一化。	Ascend	该接口不支持动态Rank。 这是一个实验性API，后续可能修改或删除。	aclnnBatchNorm
mindspore.mint.nn.GroupNorm	在mini-batch输入上进行组归一化。	Ascend	无	aclnnGroupNorm
mindspore.mint.nn.LayerNorm	在mini-batch输入上应用层归一化（Layer Normalization）。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnLayerNorm
mindspore.mint.nn.SyncBatchNorm	在N维输入上进行跨设备同步批归一化（Batch Normalization，BN）。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnBatchNormElemt

非线性激活层 (加权和，非线性)

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.ELU	指数线性单元激活函数(Exponential Linear Unit activation function)。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnElu
mindspore.mint.nn.GELU	高斯误差线性单元激活函数（Gaussian Error Linear Unit）。	Ascend	无	aclnnGelu
mindspore.mint.nn.GLU	计算输入Tensor的门线性单元激活函数（Gated Linear Unit activation function）值。	Ascend	无	aclnnGlu
mindspore.mint.nn.Hardshrink	逐元素计算Hard Shrink激活函数。	Ascend	无	aclnnHardshrink
mindspore.mint.nn.Hardsigmoid	逐元素计算Hard Sigmoid激活函数。	Ascend	无	aclnnHardsigmoid
mindspore.mint.nn.Hardswish	逐元素计算Hard Swish激活函数。	Ascend	无	aclnnHardswish
mindspore.mint.nn.LogSigmoid	逐元素计算LogSigmoid激活函数。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnLogSigmoidForward
mindspore.mint.nn.LogSoftmax	在指定轴上对输入Tensor应用LogSoftmax函数。	Ascend	无	aclnnLogSoftmax
mindspore.mint.nn.Mish	逐元素计算输入Tensor的MISH（A Self Regularized Non-Monotonic Neural Activation Function 自正则化非单调神经激活函数）。	Ascend	无	aclnnMish
mindspore.mint.nn.PReLU	逐元素计算PReLU（PReLU Activation Operator）激活函数。	Ascend	无	aclnnPrelu
mindspore.mint.nn.ReLU	逐元素计算ReLU（Rectified Linear Unit activation function）修正线性单元激活函数。	Ascend	无	aclnnRelu
mindspore.mint.nn.ReLU6	ReLU6激活函数。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnHardtanh
mindspore.mint.nn.SELU	逐元素计算激活函数SELU（Scaled exponential Linear Unit）。	Ascend	无	aclnnSelu
mindspore.mint.nn.SiLU	逐元素计算SiLU激活函数。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnSilu
mindspore.mint.nn.Sigmoid	逐元素计算Sigmoid激活函数。	Ascend	无	aclnnSigmoid
mindspore.mint.nn.Softmax	将Softmax函数应用于n维输入Tensor。	Ascend	无	aclnnSoftmax
mindspore.mint.nn.Softshrink	逐元素计算Soft Shrink激活函数。	Ascend	无	aclnnSoftshrink
mindspore.mint.nn.Tanh	逐元素计算Tanh（双曲正切值）激活函数，返回一个新的Tensor。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnTanh

嵌入层

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.Embedding	以 input 中的值作为索引，从 weight 中查询对应的embedding向量。	Ascend	这是一个实验性API，后续可能修改或删除。 在Ascend后端， input 的值非法将导致不可预测的行为。	aclnnEmbedding

线性层

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.Linear	全连接层。	Ascend	在Ascend硬件平台下，设置PYNATIVE或KBK模式时，如果 bias 为 False， x 不可以大于6D。	aclnnMatmul

Dropout层

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.Dropout	随机丢弃层。	Ascend	无	aclnnDropoutDoMask
mindspore.mint.nn.Dropout2d	在训练期间，以服从伯努利分布的概率 p 随机将输入Tensor的某些通道归零（对于shape为 $NCHW$ 的四维Tensor，其通道特征图指的是后两维 $HW$ 的二维特征图）。	Ascend	这是一个实验性API，后续可能修改或删除。	无

池化层

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.AdaptiveAvgPool1d	对由多个输入平面组成的输入信号，运用1D自适应平均池化。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnAdaptiveAvgPool2d
mindspore.mint.nn.AdaptiveAvgPool2d	对由多个输入平面组成的输入信号，运用2D自适应平均池化。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnAdaptiveAvgPool2d
mindspore.mint.nn.AdaptiveAvgPool3d	对输入Tensor，运用三维的自适应平均池化操作。	Ascend	对于Ascend，仅支持 Atlas A2 训练系列产品。 这是一个实验性API，后续可能修改或删除。	aclnnAdaptiveAvgPool3d
mindspore.mint.nn.AdaptiveMaxPool1d	对由多个输入平面组成的输入信号应用1D自适应最大池化。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnAdaptiveMaxPool2d
mindspore.mint.nn.AvgPool2d	对输入张量应用二维平均池化，可视为二维输入平面的组合。	Ascend	无	aclnnAvgPool2d
mindspore.mint.nn.AvgPool3d	对输入张量应用三维平均池化，可视为三维输入平面的组合。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnAvgPool3d
mindspore.mint.nn.MaxUnpool2d	Maxpool2d 的逆过程。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnMaxUnpool2d

填充层

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.ConstantPad1d	根据参数 padding 以及 value 对输入 input 最后1维进行填充。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnConstantPadNd
mindspore.mint.nn.ConstantPad2d	根据参数 padding 以及 value 对输入 input 最后2维进行填充。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnConstantPadNd
mindspore.mint.nn.ConstantPad3d	根据参数 padding 以及 value ，对输入 input 最后3维进行填充。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnConstantPadNd
mindspore.mint.nn.ReflectionPad1d	使用输入边界的反射，对输入的最后1维 input 进行填充。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnReplicationPad1d
mindspore.mint.nn.ReflectionPad2d	使用输入边界的反射，对输入的最后2维 input 进行填充。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnReplicationPad2d
mindspore.mint.nn.ReflectionPad3d	使用输入边界的反射，对输入的最后3维 input 进行填充。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnReplicationPad3d
mindspore.mint.nn.ReplicationPad1d	使用输入边界值，对输入的最后一维 input 进行填充。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnReplicationPad1d
mindspore.mint.nn.ReplicationPad2d	使用输入边界值，对输入的最后2维 input 进行填充。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnReplicationPad2d
mindspore.mint.nn.ReplicationPad3d	使用输入边界值，对输入的最后3维 input 进行填充。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnReplicationPad3d
mindspore.mint.nn.ZeroPad1d	根据参数 padding ，对输入 input 最后1维填充零。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnConstantPadNd
mindspore.mint.nn.ZeroPad2d	根据参数 padding ，对输入 input 最后2维填充零。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnConstantPadNd
mindspore.mint.nn.ZeroPad3d	根据参数 padding ，对输入 input 最后3维填充零。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnConstantPadNd

损失函数

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.BCELoss	计算目标值和预测值之间的二值交叉熵损失值。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnBinaryCrossEntropy
mindspore.mint.nn.BCEWithLogitsLoss	输入 input 经过sigmoid激活函数后作为预测值， 用此预测值计算和目标值之间的二值交叉熵损失。	Ascend	无	aclnnBinaryCrossEntropyWithLogits
mindspore.mint.nn.CrossEntropyLoss	获取预测值和目标值之间的交叉熵损失。	Ascend	这是一个实验性API，后续可能修改或删除。	无
mindspore.mint.nn.KLDivLoss	计算输入 input 和 target 的Kullback-Leibler散度。	Ascend	无	aclnnKlDiv
mindspore.mint.nn.L1Loss	L1Loss用于计算预测值和目标值之间的平均绝对误差。	Ascend	无	aclnnL1Loss
mindspore.mint.nn.MSELoss	用于计算预测值与标签值之间的均方误差。	Ascend	无	aclnnMseLoss
mindspore.mint.nn.NLLLoss	获取预测值和目标值之间的负对数似然损失。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnNLLLoss
mindspore.mint.nn.SmoothL1Loss	计算平滑L1损失，该L1损失函数有稳健性。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnSmoothL1Loss

Vision层

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.PixelShuffle	根据上采样系数重新排列Tensor中的元素。	Ascend	无	无
mindspore.mint.nn.Upsample	按照给定的 size 或 scale_factor 根据 mode 设置的插值方式，对输入 input 进行插值。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnUpsampleNearest2d , aclnnUpsampleBilinear2d , aclnnUpsampleLinear1d , aclnnUpsampleNearest1d , aclnnUpsampleNearest3d , aclnnUpsampleTrilinear3d , aclnnUpsampleBicubic2d

工具

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.Identity	网络占位符，返回与输入完全一致。	Ascend	无	aclnnIdentity

mindspore.mint.nn.functional

卷积函数

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.functional.conv2d	对输入Tensor计算二维卷积。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnConvolution
mindspore.mint.nn.functional.conv3d	对输入Tensor计算三维卷积。	Ascend	该API不支持Atlas系列产品。 这是一个实验性API，后续可能修改或删除。	aclnnConvolution
mindspore.mint.nn.functional.conv_transpose2d	将2D转置卷积运算应用于由多个输入平面组成的输入图像，有时也称为反卷积（尽管它不是实际的反卷积）。	Ascend	这是一个实验性API，后续可能修改或删除。 在输入非连续场景下， output_padding 必须小于 stride 。 在Atlas训练系列产品上，float32类型输入时，仅支持 groups 为1。	aclnnConvolution
mindspore.mint.nn.functional.fold	将提取出的滑动局部区域块还原成更大的输出Tensor。	Ascend	目前，只支持3-D或4-D（包含批维度）的类图像输出Tensor。	aclnnIm2colBackward
mindspore.mint.nn.functional.unfold	从一个batch的输入Tensor中提取滑动局部块。	Ascend	目前，只支持4-D（包含批维度）的类图像Tensor。 对于Ascend，仅Atlas A2以上平台支持。	aclnnIm2col

池化函数

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.functional.adaptive_avg_pool1d	对一个多平面输入信号执行一维自适应平均池化。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnAdaptiveAvgPool2d
mindspore.mint.nn.functional.adaptive_avg_pool2d	对一个多平面输入信号执行二维自适应平均池化。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnAdaptiveAvgPool2d
mindspore.mint.nn.functional.adaptive_avg_pool3d	对一个多平面输入信号执行三维自适应平均池化。	Ascend	对于Ascend，仅支持 Atlas A2 训练系列产品。 这是一个实验性API，后续可能修改或删除。	aclnnAdaptiveAvgPool3d
mindspore.mint.nn.functional.adaptive_max_pool1d	对一个多平面输入信号执行一维自适应最大池化。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnAdaptiveMaxPool2d
mindspore.mint.nn.functional.avg_pool1d	在输入Tensor上应用1D平均池化，输入Tensor可以看作是由一系列1D平面组成的。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnAvgPool2d
mindspore.mint.nn.functional.avg_pool2d	在输入Tensor上应用2D平均池化，输入Tensor可以看作是由一系列2D平面组成的。	Ascend	无	aclnnAvgPool2d
mindspore.mint.nn.functional.avg_pool3d	在输入Tensor上应用3d平均池化，输入Tensor可以看作是由一系列3d平面组成的。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnAvgPool3d
mindspore.mint.nn.functional.max_pool2d	二维最大值池化。	Ascend	只支持 Atlas A2 训练系列产品。	aclnnMaxPool2dWithIndices
mindspore.mint.nn.functional.max_unpool2d	max_pool2d 的逆过程。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnMaxUnpool2d

非线性激活函数

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.functional.batch_norm	对输入数据进行批量归一化和更新参数。	Ascend	无	aclnnBatchNorm
mindspore.mint.nn.functional.elu	指数线性单元激活函数。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnElu
mindspore.mint.nn.functional.elu_	指数线性单元激活函数。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnInplaceElu
mindspore.mint.nn.functional.gelu	高斯误差线性单元激活函数。	Ascend	无	aclnnGelu
mindspore.mint.nn.functional.glu	计算输入Tensor的门线性单元激活函数（Gated Linear Unit activation function）值。	Ascend	无	aclnnGlu
mindspore.mint.nn.functional.group_norm	在mini-batch输入上进行组归一化。	Ascend	无	aclnnGroupNorm
mindspore.mint.nn.functional.hardshrink	Hard Shrink激活函数。	Ascend	无	aclnnHardshrink
mindspore.mint.nn.functional.hardsigmoid	Hard Sigmoid激活函数。	Ascend	无	aclnnHardsigmoid
mindspore.mint.nn.functional.hardswish	Hard Swish激活函数。	Ascend	无	aclnnHardswish
mindspore.mint.nn.functional.layer_norm	在mini-batch输入上应用层归一化（Layer Normalization）。	Ascend	无	aclnnLayerNorm
mindspore.mint.nn.functional.leaky_relu	leaky_relu激活函数。	Ascend	无	aclnnLeakyRelu
mindspore.mint.nn.functional.log_softmax	在指定轴上对输入Tensor应用LogSoftmax函数。	Ascend	无	aclnnLogSoftmax
mindspore.mint.nn.functional.logsigmoid	按元素计算LogSigmoid激活函数。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnLogSigmoidForward
mindspore.mint.nn.functional.mish	逐元素计算输入Tensor的MISH（A Self Regularized Non-Monotonic Neural Activation Function 自正则化非单调神经激活函数）。	Ascend	无	aclnnMish
mindspore.mint.nn.functional.prelu	带参数的线性修正单元激活函数（Parametric Rectified Linear Unit activation function）。	Ascend	无	aclnnPrelu
mindspore.mint.nn.functional.relu	对输入Tensor逐元素计算线性修正单元激活函数（Rectified Linear Unit）值。	Ascend	无	aclnnRelu , aclnnThreshold
mindspore.mint.nn.functional.relu6	逐元素计算输入Tensor的ReLU（修正线性单元），其上限为6。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnHardtanh
mindspore.mint.nn.functional.relu_	对输入Tensor逐元素原地计算线性修正单元激活函数（Rectified Linear Unit）值。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnRelu , aclnnThreshold
mindspore.mint.nn.functional.selu	激活函数selu（Scaled exponential Linear Unit）。	Ascend	无	aclnnSelu
mindspore.mint.nn.functional.sigmoid	逐元素计算Sigmoid激活函数。	Ascend	无	aclnnSigmoid
mindspore.mint.nn.functional.silu	逐元素计算激活函数SiLU（Sigmoid Linear Unit）。	Ascend	无	aclnnSilu
mindspore.mint.nn.functional.softmax	在指定轴上对输入Tensor执行Softmax激活函数做归一化操作。	Ascend	无	aclnnSoftmax
mindspore.mint.nn.functional.softplus	将softplus函数作用于 input 的每个元素上。	Ascend	无	aclnnSoftplus
mindspore.mint.nn.functional.softshrink	Soft Shrink激活函数。	Ascend	无	aclnnSoftshrink
mindspore.mint.nn.functional.tanh	逐元素计算输入元素的双曲正切。	Ascend	无	aclnnTanh

归一化函数

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.functional.normalize	将输入的张量按照指定维度进行归一化。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnNorm

线性函数

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.functional.linear	对输入 input 应用全连接操作。	Ascend	这是一个实验性API，后续可能修改或删除。 在Ascend硬件平台下，设置PYNATIVE或KBK模式时，如果 bias 不是1D， input 不可以大于6D。	aclnnMatmul

Dropout函数

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.functional.dropout	在训练期间，以服从伯努利分布的概率 p 随机将输入Tensor的某些值归零，起到减少神经元相关性的作用，避免过拟合。	Ascend	无	aclnnDropoutDoMask
mindspore.mint.nn.functional.dropout2d	在训练期间，根据伯努利分布，以概率 p 随机将输入Tensor的某些通道置零（对于shape为 $(N,C,H,W)$ 的四维Tensor，其通道特征图指的是后两维shape为 $(H,W)$ 的二维特征图）。	Ascend	这是一个实验性API，后续可能修改或删除。	无

稀疏函数

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.functional.embedding	以 input 中的值作为索引，从 weight 中查询对应的embedding向量。	Ascend	在Ascend后端， input 的值非法将导致不可预测的行为。	aclnnEmbedding
mindspore.mint.nn.functional.one_hot	返回一个one-hot类型的Tensor。	Ascend	无	aclnnOneHot

损失函数

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.functional.binary_cross_entropy	计算预测值 input 和 目标值 target 之间的二值交叉熵（度量两个概率分布间的差异性信息）损失。	Ascend	input 的值必须要在0-1范围内。	aclnnBinaryCrossEntropy
mindspore.mint.nn.functional.binary_cross_entropy_with_logits	输入经过sigmoid激活函数后作为预测值， binary_cross_entropy_with_logits 计算预测值和目标值之间的二值交叉熵损失。	Ascend	无	aclnnBinaryCrossEntropyWithLogits
mindspore.mint.nn.functional.kl_div	计算输入 input 和 target 的Kullback-Leibler散度。	Ascend	无	aclnnKlDiv
mindspore.mint.nn.functional.l1_loss	用于计算预测值和目标值之间的平均绝对误差。	Ascend	无	aclnnL1Loss
mindspore.mint.nn.functional.mse_loss	计算预测值和标签值之间的均方误差。	Ascend	无	aclnnMseLoss
mindspore.mint.nn.functional.nll_loss	获取预测值和目标值之间的负对数似然损失。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnNLLLoss
mindspore.mint.nn.functional.smooth_l1_loss	计算平滑L1损失，该L1损失函数有稳健性。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnSmoothL1Loss

Vision函数

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.nn.functional.interpolate	按照给定的 size 或 scale_factor 根据 mode 设置的插值方式，对输入 input 进行插值。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnUpsampleNearest2d , aclnnUpsampleBilinear2d , aclnnUpsampleLinear1d , aclnnUpsampleNearest1d , aclnnUpsampleNearest3d , aclnnUpsampleTrilinear3d , aclnnUpsampleBicubic2d
mindspore.mint.nn.functional.grid_sample	给定一个输入和一个网格，使用网格中的输入值和像素位置计算输出。	Ascend	无	aclnnGridSampler2D , aclnnGridSampler3D
mindspore.mint.nn.functional.pad	根据参数 pad 对输入进行填充。	Ascend	circular 模式性能较差，不推荐使用。	aclnnConstantPadNd , aclnnReflectionPad1d , aclnnReflectionPad2d , aclnnReflectionPad3d , aclnnReplicationPad1d , aclnnReplicationPad2d , aclnnReplicationPad3d
mindspore.mint.nn.functional.pixel_shuffle	根据上采样系数重排Tensor中的元素。	Ascend	这是一个实验性API，后续可能修改或删除。	无

mindspore.mint.optim

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.optim.Adam	Adaptive Moment Estimation (Adam)算法的实现。	Ascend	这是一个实验性API，后续可能修改或删除。	无
mindspore.mint.optim.AdamW	Adaptive Moment Estimation Weight Decay(AdamW)算法的实现。	Ascend	这是一个实验性的优化器接口，需要和 LRScheduler 下的动态学习率接口配合使用。 对于Ascend，仅Atlas A2以上平台支持。	aclnnApplyAdamWV2
mindspore.mint.optim.SGD	随机梯度下降算法。	Ascend	这是一个实验性的优化器接口，后续可能修改或删除。需要和 LRScheduler 下的动态学习率接口配合使用。	无

mindspore.mint.linalg

逆数

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.linalg.inv	计算输入矩阵的逆。	Ascend	无	aclnnInverse
mindspore.mint.linalg.matrix_norm	返回给定Tensor在指定维度上的矩阵范数。	Ascend	这是一个实验性API，后续可能修改或删除。	无
mindspore.mint.linalg.norm	返回给定Tensor的矩阵范数或向量范数。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnLinalgVectorNorm
mindspore.mint.linalg.vector_norm	返回给定Tensor在指定维度上的向量范数。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnLinalgVectorNorm
mindspore.mint.linalg.qr	对输入矩阵进行正交分解：$A=QR$。	Ascend	这是一个实验性API，后续可能修改或删除。	aclnnLinalgQr

mindspore.mint.special

逐元素运算

接口名	概述	支持平台	警告	aclnn算子
mindspore.mint.special.erfc	逐元素计算输入tensor的互补误差。	Ascend	无	aclnnErfc
mindspore.mint.special.exp2	逐元素计算Tensor input 以2为底的指数。	Ascend	无	aclnnExp2
mindspore.mint.special.expm1	逐元素计算输入Tensor的指数，然后减去1。	Ascend	无	aclnnExpm1
mindspore.mint.special.log1p	对输入Tensor逐元素加一后计算自然对数。	Ascend	无	aclnnLog1p
mindspore.mint.special.log_softmax	在指定轴上对输入Tensor应用LogSoftmax函数。	Ascend	无	aclnnLogSoftmax
mindspore.mint.special.round	对输入数据进行四舍五入到最接近的整数数值。	Ascend	无	aclnnRound
mindspore.mint.special.sinc	计算输入的归一化正弦值。	Ascend	无	aclnnSinc

mindspore.mint.distributed

接口名	概述	支持平台	警告
mindspore.mint.distributed.all_gather	汇聚指定的通信组中的Tensor，并返回汇聚后的Tensor列表。	Ascend	无
mindspore.mint.distributed.all_gather_into_tensor	汇聚指定的通信组中的Tensor，并返回汇聚后的Tensor。	Ascend	无
mindspore.mint.distributed.all_gather_object	汇聚指定的通信组中的Python对象。	Ascend	无
mindspore.mint.distributed.all_reduce	使用指定方式对通信组内的所有设备的Tensor数据进行规约操作，所有设备都得到相同的结果，返回规约操作后的张量。	Ascend	无
mindspore.mint.distributed.all_to_all	根据用户输入的张量列表，将对应的张量发送到远端设备，并从其他设备接收张量，返回一个接收的张量列表。	Ascend	无
mindspore.mint.distributed.all_to_all_single	根据用户输入的切分大小，把输入tensor切分后，发送到其他的设备上，并从其他设备接收切分块，然后合并到一个输出tensor中。	Ascend	无
mindspore.mint.distributed.barrier	同步通信域内的多个进程。	Ascend	无
mindspore.mint.distributed.batch_isend_irecv	异步地发送和接收张量。	Ascend	无
mindspore.mint.distributed.broadcast	对输入数据整组广播。	Ascend	无
mindspore.mint.distributed.broadcast_object_list	对输入Python对象进行整组广播。	Ascend	无
mindspore.mint.distributed.destroy_process_group	销毁指定通讯group。	Ascend	无
mindspore.mint.distributed.gather	对通信组的输入张量进行聚合。	Ascend	无
mindspore.mint.distributed.gather_object	对通信组的输入Python对象进行聚合。	Ascend	无
mindspore.mint.distributed.get_backend	在指定通信组中获取当前分布式后端的名称。	Ascend	无
mindspore.mint.distributed.get_global_rank	由指定通信组中的设备序号获取通信集群中的全局设备序号。	Ascend	无
mindspore.mint.distributed.get_group_rank	由通信集群中的全局设备序号获取指定用户通信组中的rank ID。	Ascend	无
mindspore.mint.distributed.get_process_group_ranks	获取指定通信组中的进程，并将通信组中的进程编号以列表方式返回。	Ascend	无
mindspore.mint.distributed.get_rank	在指定通信组中获取当前的设备序号。	Ascend	无
mindspore.mint.distributed.get_world_size	获取指定通信组实例的rank_size。	Ascend	无
mindspore.mint.distributed.init_process_group	初始化通信服务并创建默认通讯group（group=GlobalComm.WORLD_COMM_GROUP）。	Ascend	无
mindspore.mint.distributed.irecv	异步接收Tensor到指定线程。	Ascend	无
mindspore.mint.distributed.isend	异步发送张量到指定线程。	Ascend	无
mindspore.mint.distributed.is_available	分布式模块是否可用。	Ascend	无
mindspore.mint.distributed.is_initialized	默认的通信组是否初始化。	Ascend	无
mindspore.mint.distributed.new_group	创建用户自定义的通信组实例。	Ascend	无
mindspore.mint.distributed.P2POp	用于存放关于'isend'、'irecv'相关的信息， 并用于 batch_isend_irecv 接口的入参。	Ascend	无
mindspore.mint.distributed.recv	同步接收Tensor到指定线程。	Ascend	无
mindspore.mint.distributed.reduce	规约指定通信组中的Tensor，并将规约结果发送到目标为 dst 的进程（全局的进程编号）中，返回发送到目标进程的Tensor。	Ascend	无
mindspore.mint.distributed.reduce_scatter	规约并且分发指定通信组中的Tensor，返回分发后的Tensor。	Ascend	无
mindspore.mint.distributed.reduce_scatter_tensor	规约并且分发指定通信组中的Tensor，返回分发后的Tensor。	Ascend	无
mindspore.mint.distributed.scatter	将输入Tensor均匀散射到通信域的卡上。	Ascend	无
mindspore.mint.distributed.scatter_object_list	将输入Python对象列表均匀散射到通信域的卡上。	Ascend	无
mindspore.mint.distributed.send	同步发送张量到指定线程。	Ascend	无