mindspore.ops

mindspore.ops提供了大量的function接口，包括神经网络函数、数学运算函数、Tensor操作函数、Parameter操作函数、微分函数等。

模块导入方法如下：

from mindspore import ops

MindSpore中 mindspore.ops 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.ops API接口变更。

Tensor操作函数

Tensor创建

接口名	概述	支持平台
`mindspore.ops.eps`	创建一个与输入的数据类型和shape都相同的tensor，值为对应数据类型能表达的最小值。	`Ascend` `GPU` `CPU`
`mindspore.ops.eye`	返回一个主对角线上元素为1，其余元素为0的tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.fill`	创建tensor，用指定值填充。	`Ascend` `GPU` `CPU`
`mindspore.ops.full`	创建tensor，用指定值填充。	`Ascend` `GPU` `CPU`
`mindspore.ops.full_like`	返回一个用指定值填充的tensor，shape与 input 相同。	`Ascend` `GPU` `CPU`
`mindspore.ops.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` `GPU` `CPU`
`mindspore.ops.logspace`	返回一个 steps 个元素的，在 [ $b a s e^{s t a r t}$ , $b a s e^{e n d}$ ] 区间内均匀分布的一维tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.move_to`	拷贝tensor到目标设备，包含同步和异步两种方式，默认是同步方式。	`Ascend` `CPU`
`mindspore.ops.one_hot`	生成一个新的tensor，索引 indices 表示的位置上取值 on_value ，其他所有位置上取值 off_value 。	`Ascend` `GPU` `CPU`
`mindspore.ops.ones`	创建一个值全为1的tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.ones_like`	返回一个shape与输入相同，值为1的tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.arange`	返回一个在 [ start, end ) 区间内，步长为 step 的tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.range`	返回一个在 [ start, end ) 区间内，步长为 step 的tensor。	`GPU` `CPU`
`mindspore.ops.zeros`	创建一个值全为0的tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.zeros_like`	返回一个shape与输入相同，值为0的tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.heaviside`	逐元素进行Heaviside阶跃函数运算。	`Ascend` `GPU` `CPU`

随机生成函数

接口名	概述	支持平台
`mindspore.ops.bernoulli`	根据伯努利分布生成随机数（0或1）。	`GPU` `CPU`
`mindspore.ops.gamma`	根据伽马分布生成随机数。	`Ascend`
`mindspore.ops.laplace`	根据拉普拉斯分布生成随机数。	`Ascend` `GPU` `CPU`
`mindspore.ops.multinomial`	生成一个多项式分布的tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.multinomial_with_replacement`	生成一个多项式分布的tensor。	`CPU`
`mindspore.ops.rand`	基于输入的 size 和 dtype , 返回一个tensor，其元素为服从均匀分布的 $[0, 1)$ 区间的随机数。	`Ascend` `GPU` `CPU`
`mindspore.ops.rand_like`	返回一个与输入shape相同的tensor，其元素为服从均匀分布的 $[0, 1)$ 区间的随机数。	`Ascend` `GPU` `CPU`
`mindspore.ops.randint`	返回一个tensor，其元素为 [ low , high ) 区间的随机整数。	`Ascend` `GPU` `CPU`
`mindspore.ops.randint_like`	返回一个与输入shape相同的tensor，其元素为 [ low , high ) 区间的随机整数。	`Ascend` `GPU` `CPU`
`mindspore.ops.randn`	基于输入的 size 和 dtype , 返回一个tensor，其元素为服从标准正态分布的随机数字。	`Ascend` `GPU` `CPU`
`mindspore.ops.randn_like`	返回一个与输入shape相同的tensor，其元素为服从标准正态分布的随机数。	`Ascend` `GPU` `CPU`
`mindspore.ops.random_gamma`	根据伽马分布生成随机数。	`CPU`
`mindspore.ops.random_poisson`	从指定均值为 rate 的泊松分布中，生成指定shape的随机样本。	`GPU` `CPU`
`mindspore.ops.randperm`	生成从 0 到 n-1 的整数随机排列。	`CPU`
`mindspore.ops.standard_laplace`	根据标准Laplace（mean=0, lambda=1）分布生成随机数。	`Ascend` `GPU` `CPU`
`mindspore.ops.standard_normal`	根据标准正态（高斯）随机数分布生成随机数。	`Ascend` `GPU` `CPU`
`mindspore.ops.uniform`	生成服从均匀分布的随机数。	`GPU` `CPU`

Array操作

接口名	概述	支持平台
`mindspore.ops.argwhere`	返回一个tensor，包含输入tensor所有非零元素的位置。	`Ascend` `GPU` `CPU`
`mindspore.ops.batch_to_space_nd`	用块划分批次维度，并将这些块交错回空间维度。	`Ascend` `GPU` `CPU`
`mindspore.ops.bincount`	统计一个输入tensor中每个非负整数出现的次数。	`Ascend` `GPU` `CPU`
`mindspore.ops.block_diag`	基于输入tensor创建块对角矩阵。	`Ascend` `GPU` `CPU`
`mindspore.ops.broadcast_to`	将输入的shape广播到目标shape。	`Ascend` `GPU` `CPU`
`mindspore.ops.cat`	在指定轴上拼接输入tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.channel_shuffle`	将shape为 $(, C, H, W)$ 的tensor的通道划分成 $g$ 组，并按如下方式重新排列 $(, \frac{C}{g}, g, H * W)$ ，同时在最终输出中保持原始tensor的shape。	`Ascend` `CPU`
`mindspore.ops.chunk`	沿着指定轴将输入tensor切分成多个子tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.column_stack`	将多个tensor沿着水平方向维度堆叠成一个tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.concat`	`mindspore.ops.cat()` 的别名。
`mindspore.ops.conj`	逐元素计算输入tensor的共轭。	`Ascend` `GPU` `CPU`
`mindspore.ops.count_nonzero`	计算输入tensor指定轴上的非零元素的数量。	`Ascend` `GPU` `CPU`
`mindspore.ops.deepcopy`	返回输入tensor的深拷贝。	`Ascend` `GPU` `CPU`
`mindspore.ops.diag`	返回一个用输入tensor作为对角线，其余元素为 `0` 的tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.diagflat`	如果input是一维tensor，则返回input作为对角线的二维tensor，如果input是大于等于二维的tensor，则将input展开后作为对角线的二维tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.diagonal`	返回输入tensor在指定维度上的对角线视图。	`Ascend` `GPU` `CPU`
`mindspore.ops.diagonal_scatter`	将源tensor的值嵌入到输入tensor的对角线中（基于 dim1 和 dim2 指定的二维平面）。	`Ascend` `GPU` `CPU`
`mindspore.ops.diag_embed`	创建一个tensor，其特定二维平面（由 dim1 和 dim2 指定）的对角线由输入tensor填充，其余位置填充为 `0` 。	`Ascend` `GPU` `CPU`
`mindspore.ops.dyn_shape`	返回输入tensor的shape。	`Ascend` `GPU` `CPU`
`mindspore.ops.dsplit`	沿第三轴分割输入tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.dstack`	将多个tensor沿着第三维度进行堆叠。	`Ascend` `GPU` `CPU`
`mindspore.ops.einsum`	基于爱因斯坦求和约定（Einsum）符号，沿指定维度计算输入tensor元素的乘积之和。	`GPU`
`mindspore.ops.expand_dims`	为输入tensor新增额外的轴。	`Ascend` `GPU` `CPU`
`mindspore.ops.flip`	沿指定维度翻转tensor中元素。	`Ascend` `GPU` `CPU`
`mindspore.ops.fliplr`	向左/向右翻转输入tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.flipud`	向上/向下翻转输入tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.gather`	返回输入tensor在指定轴及指定索引上对应元素的切片。	`Ascend` `GPU` `CPU`
`mindspore.ops.gather_d`	获取指定轴的元素。	`Ascend` `GPU` `CPU`
`mindspore.ops.gather_elements`	根据指定维度和索引获取元素。	`Ascend` `GPU` `CPU`
`mindspore.ops.gather_nd`	根据指定索引获取输入tensor的切片。	`Ascend` `GPU` `CPU`
`mindspore.ops.hsplit`	将输入tensor水平分割成多个子tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.hstack`	将多个tensor沿着水平方向堆叠。	`Ascend` `GPU` `CPU`
`mindspore.ops.index_add`	按照指定轴和索引将输入 y 的元素加到输入 x 中。	`Ascend` `GPU` `CPU`
`mindspore.ops.index_fill`	按照指定轴和索引用输入 value 填充输入 x 的元素。	`Ascend` `GPU` `CPU`
`mindspore.ops.index_select`	根据指定轴和索引对输入tensor进行选取，返回一个新tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.inplace_add`	根据索引将 x 加 v 。	`Ascend` `GPU` `CPU`
`mindspore.ops.inplace_index_add`	根据指定轴和索引在输入 var 中的对应位置加 updates 。	`Ascend` `CPU`
`mindspore.ops.inplace_sub`	根据索引将 x 减 v 。	`Ascend` `GPU` `CPU`
`mindspore.ops.inplace_update`	根据索引将 x 更新为 v 。	`GPU` `CPU`
`mindspore.ops.is_nonzero`	判断输入tensor是否包含 `0` 或 `False` 。	`Ascend` `GPU` `CPU`
`mindspore.ops.masked_fill`	在掩码为 `True` 位置填充指定值。	`Ascend` `GPU` `CPU`
`mindspore.ops.masked_select`	返回一个一维tensor，它根据掩码对输入tensor进行索引。	`Ascend` `GPU` `CPU`
`mindspore.ops.meshgrid`	从一维输入生成多维坐标网格。	`Ascend` `GPU` `CPU`
`mindspore.ops.moveaxis`	将输入tensor的两个轴调换位置。	`Ascend` `GPU` `CPU`
`mindspore.ops.movedim`	将输入tensor的两个维度调换位置。	`Ascend` `GPU` `CPU`
`mindspore.ops.narrow`	沿指定轴 axis ，从 start 位置截取长度为 length 的tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.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` `CPU`
`mindspore.ops.nanmean`	忽略NaN值，按指定轴计算输入tensor的平均值。	`Ascend` `GPU` `CPU`
`mindspore.ops.nanmedian`	忽略NaN值，按指定轴计算输入tensor的中值和索引。	`CPU`
`mindspore.ops.nansum`	忽略NaN值，按指定轴计算输入tensor的和。	`Ascend` `GPU` `CPU`
`mindspore.ops.normal`	返回符合正态（高斯）分布的随机tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.nonzero`	返回所有非零元素下标位置。	`Ascend` `GPU` `CPU`
`mindspore.ops.numel`	返回tensor的元素的总数量。	`Ascend` `GPU` `CPU`
`mindspore.ops.permute`	按照指定轴重排输入tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.population_count`	计算输入tensor中每个元素二进制的1比特数量。	`Ascend` `GPU` `CPU`
`mindspore.ops.rank`	返回输入tensor的秩。	`Ascend` `GPU` `CPU`
`mindspore.ops.repeat_elements`	在指定轴上复制输入tensor的元素，类似 `mindspore.numpy.repeat()` 的功能。	`Ascend` `GPU` `CPU`
`mindspore.ops.repeat_interleave`	在指定轴上复制输入tensor的元素，类似 `mindspore.numpy.repeat()`。	`Ascend` `GPU` `CPU`
`mindspore.ops.reshape`	按指定 shape ，对输入tensor进行重排。	`Ascend` `GPU` `CPU`
`mindspore.ops.reverse_sequence`	对输入序列进行部分反转。	`Ascend` `GPU` `CPU`
`mindspore.ops.roll`	按维度移动tensor的元素。	`Ascend` `GPU`
`mindspore.ops.row_stack`	`mindspore.ops.vstack()` 的别名。	`Ascend` `GPU` `CPU`
`mindspore.ops.scatter`	根据指定索引将 src 中的值更新到 input 中并返回输出。	`Ascend` `GPU` `CPU`
`mindspore.ops.scatter_nd`	根据指定的索引将更新值散布到新tensor上。	`Ascend` `GPU` `CPU`
`mindspore.ops.select`	根据条件判断tensor中的元素的值，来决定输出中的相应元素是从 input （如果元素值为True）还是从 other （如果元素值为False）中选择。	`Ascend` `GPU` `CPU`
`mindspore.ops.select_scatter`	将 src 中的值散布到 input 指定轴 axis 的指定位置 index 上。	`Ascend` `GPU` `CPU`
`mindspore.ops.sequence_mask`	返回一个表示每个单元的前N个位置的掩码tensor，内部元素数据类型为bool。	`GPU` `CPU`
`mindspore.ops.shape`	返回输入tensor的shape。	`Ascend` `GPU` `CPU`
`mindspore.ops.shuffle`	沿着第一维随机打乱tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.size`	计算输入tensor的元素总数。	`Ascend` `GPU` `CPU`
`mindspore.ops.slice`	根据指定shape对输入tensor进行切片。	`Ascend` `GPU` `CPU`
`mindspore.ops.slice_scatter`	沿指定轴将源tensor嵌入到切片后的目标tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.sort`	对输入tensor指定轴的元素进行排序。	`Ascend` `GPU` `CPU`
`mindspore.ops.space_to_batch_nd`	将空间维度分块，并在批次维度重排tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.sparse_segment_mean`	计算输入张量稀疏段的平均值。	`GPU` `CPU`
`mindspore.ops.split`	沿指定轴将输入tensor切分成多个子tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.squeeze`	删除输入tensor中长度为1的轴。	`Ascend` `GPU` `CPU`
`mindspore.ops.stack`	在指定轴上对输入的tensors进行堆叠。	`Ascend` `GPU` `CPU`
`mindspore.ops.strided_slice`	对输入tensor根据步长和索引进行切片提取。	`Ascend` `GPU` `CPU`
`mindspore.ops.sum`	计算tensor在指定维度上元素的和。	`Ascend` `GPU` `CPU`
`mindspore.ops.swapaxes`	交换tensor的两个轴。	`Ascend` `GPU` `CPU`
`mindspore.ops.swapdims`	交换tensor的两个维度。	`Ascend` `GPU` `CPU`
`mindspore.ops.tensor_scatter_add`	返回一个新tensor，根据指定索引和更新值对 input_x 进行加法更新。	`Ascend` `GPU` `CPU`
`mindspore.ops.tensor_scatter_div`	返回一个新tensor，根据指定索引和更新值对 input_x 进行除法更新。	`GPU` `CPU`
`mindspore.ops.tensor_scatter_max`	返回一个新tensor，根据指定索引和更新值对 input_x 进行最大值更新。	`GPU` `CPU`
`mindspore.ops.tensor_scatter_min`	返回一个新tensor，根据指定索引和更新值对 input_x 进行最小值更新。	`Ascend` `GPU` `CPU`
`mindspore.ops.tensor_scatter_mul`	根据指定索引和更新值对 input_x 进行乘法更新。	`GPU` `CPU`
`mindspore.ops.tensor_scatter_sub`	返回一个新tensor，根据指定索引和更新值对 input_x 进行减法更新。	`Ascend` `GPU` `CPU`
`mindspore.ops.tensor_scatter_elements`	返回一个新tensor，根据指定索引和更新值对 input_x 中的元素进行指定操作（替换或相加）。	`Ascend` `GPU` `CPU`
`mindspore.ops.tensor_split`	根据指定索引或份数，将输入tensor拆分成多个子tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.tile`	通过复制 dims 次输入tensor中的元素来创建新tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.tril`	将指定对角线上方的元素设置为0。	`Ascend` `GPU` `CPU`
`mindspore.ops.triu`	将指定对角线下方的元素设置为0。	`Ascend` `GPU` `CPU`
`mindspore.ops.transpose`	根据指定的维度排列顺序对输入tensor进行维度转置。	`Ascend` `GPU` `CPU`
`mindspore.ops.unbind`	移除tensor的指定维度，返回一个沿该维度所有切片的元组。	`Ascend` `GPU` `CPU`
`mindspore.ops.unique`	对输入tensor中元素去重。	`Ascend` `GPU` `CPU`
`mindspore.ops.unique_consecutive`	对输入tensor中每组连续且重复的元素去重，仅保留首个元素。	`Ascend` `GPU` `CPU`
`mindspore.ops.unsorted_segment_max`	分段计算输入tensor的最大值。	`Ascend` `GPU` `CPU`
`mindspore.ops.unsorted_segment_min`	分段计算输入tensor的最小值。	`Ascend` `GPU` `CPU`
`mindspore.ops.unsorted_segment_prod`	分段计算输入tensor的乘积。	`Ascend` `GPU` `CPU`
`mindspore.ops.unsorted_segment_sum`	分段计算输入tensor的和。	`Ascend` `GPU` `CPU`
`mindspore.ops.unsqueeze`	在输入tensor的指定维度上增加一维。	`Ascend` `GPU` `CPU`
`mindspore.ops.unstack`	按指定轴对输入tensor进行拆分。	`Ascend` `GPU` `CPU`
`mindspore.ops.view_as_real`	返回一个最后一维大小为2的实数tensor，由输入tensor中复数元素的实部和虚部组成。	`GPU` `CPU`
`mindspore.ops.vsplit`	根据 indices_or_sections 将至少有两维的输入tensor垂直分割成多个子tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.vstack`	将多个tensor沿着垂直方向进行堆叠。	`Ascend` `GPU` `CPU`
`mindspore.ops.where`	返回一个tensor，其中元素根据 condition 从 input 或 other 中选择。	`Ascend` `GPU` `CPU`
`mindspore.ops.cross`	按指定维度计算两个输入tensor的叉积。	`Ascend` `CPU`
`mindspore.ops.renorm`	返回一个tensor，其中按指定轴计算每个子tensor的 p 范数小于等于 maxnorm。	`Ascend` `GPU` `CPU`

类型转换

接口名	概述	支持平台
`mindspore.ops.cast`	转换输入tensor的数据类型。	`Ascend` `GPU` `CPU`
`mindspore.ops.is_tensor`	判断输入对象是否为 `mindspore.Tensor`。	`Ascend` `GPU` `CPU`
`mindspore.ops.scalar_to_tensor`	将标量转换为指定数据类型的tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.tuple_to_array`	将tuple转换为tensor。	`Ascend` `GPU` `CPU`

梯度剪裁

接口名	概述	支持平台
`mindspore.ops.clip_by_global_norm`	通过权重梯度总和的比率来裁剪多个tensor的值。	`Ascend` `GPU` `CPU`
`mindspore.ops.clip_by_value`	将输入的Tensor值裁剪到指定的最小值和最大值之间。	`Ascend` `GPU` `CPU`
`mindspore.ops.clip_by_norm`	基于范数对输入Tensor进行裁剪。	`Ascend` `GPU` `CPU`

数学运算函数

逐元素运算

接口名	概述	支持平台
`mindspore.ops.abs`	逐元素计算输入tensor的绝对值。	`Ascend` `GPU` `CPU`
`mindspore.ops.absolute`	`mindspore.ops.abs()` 的别名。	`Ascend` `GPU` `CPU`
`mindspore.ops.accumulate_n`	逐元素计算列表中各个tensor的和。	`Ascend` `GPU`
`mindspore.ops.acos`	逐元素计算输入tensor的反余弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.arccos`	`mindspore.ops.acos()` 的别名。	`Ascend` `GPU` `CPU`
`mindspore.ops.acosh`	逐元素计算输入tensor的反双曲余弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.add`	逐元素计算两个输入tensor的和。	`Ascend` `GPU` `CPU`
`mindspore.ops.addcdiv`	tensor2 对 tensor1 逐元素相除，将结果乘以标量值 value ，并加到 input 。	`Ascend` `GPU` `CPU`
`mindspore.ops.addcmul`	tensor1 与 tensor2 的逐元素相乘，将结果乘以标量值 value ，并加到 input 。	`Ascend` `GPU` `CPU`
`mindspore.ops.addmv`	将矩阵 mat 和向量 vec 相乘，结果与输入 input 相加。	`Ascend` `GPU` `CPU`
`mindspore.ops.addn`	逐元素计算列表中各个tensor的和。	`Ascend` `GPU` `CPU`
`mindspore.ops.angle`	逐元素计算输入tensor的辐角。	`Ascend` `GPU` `CPU`
`mindspore.ops.arccosh`	`mindspore.ops.acosh()` 的别名。	`Ascend` `GPU` `CPU`
`mindspore.ops.arcsin`	`mindspore.ops.asin()` 的别名。	`Ascend` `GPU` `CPU`
`mindspore.ops.arcsinh`	`mindspore.ops.asinh()` 的别名。	`Ascend` `GPU` `CPU`
`mindspore.ops.arctan`	`mindspore.ops.atan()` 的别名。	`Ascend` `GPU` `CPU`
`mindspore.ops.arctanh`	`mindspore.ops.atanh()` 的别名。	`Ascend` `GPU` `CPU`
`mindspore.ops.arctan2`	`mindspore.ops.atan2()` 的别名。	`Ascend` `GPU` `CPU`
`mindspore.ops.asin`	逐元素计算输入tensor的反正弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.asinh`	逐元素计算输入tensor的反双曲正弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.atan`	逐元素计算输入tensor的反正切值。	`Ascend` `GPU` `CPU`
`mindspore.ops.atan2`	逐元素计算input/other的反正切值。	`Ascend` `GPU` `CPU`
`mindspore.ops.atanh`	逐元素计算输入tensor的反双曲正切值。	`Ascend` `GPU` `CPU`
`mindspore.ops.atleast_1d`	当输入中的tensor为零维时，返回它的一维tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.atleast_2d`	当输入中的tensor小于二维时，返回它的二维tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.atleast_3d`	当输入中的tensor小于三维时，返回它的三维tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.bessel_i0`	逐元素计算输入tensor的第一类零阶修正贝塞尔函数值。	`GPU` `CPU`
`mindspore.ops.bessel_i0e`	逐元素计算输入tensor的指数缩放第一类零阶修正贝塞尔函数值。	`GPU` `CPU`
`mindspore.ops.bessel_i1`	逐元素计算输入tensor的第一类一阶修正贝塞尔函数值。	`GPU` `CPU`
`mindspore.ops.bessel_i1e`	逐元素计算输入tensor的指数缩放第一类一阶修正贝塞尔函数值。	`GPU` `CPU`
`mindspore.ops.bessel_j0`	逐元素计算输入tensor的第一类零阶贝塞尔函数值。	`GPU` `CPU`
`mindspore.ops.bessel_j1`	逐元素计算输入tensor的第一类一阶贝塞尔函数值。	`GPU` `CPU`
`mindspore.ops.bessel_k0`	逐元素计算输入tensor的第二类零阶修正贝塞尔函数值。	`GPU` `CPU`
`mindspore.ops.bessel_k0e`	逐元素计算输入tensor的指数缩放第二类零阶修正贝塞尔函数值。	`GPU` `CPU`
`mindspore.ops.bessel_k1`	逐元素计算输入tensor的第二类一阶修正贝塞尔函数值。	`GPU` `CPU`
`mindspore.ops.bessel_k1e`	逐元素计算输入tensor的指数缩放第二类一阶修正贝塞尔函数值。	`GPU` `CPU`
`mindspore.ops.bessel_y0`	逐元素计算输入tensor的第二类零阶贝塞尔函数值。	`GPU` `CPU`
`mindspore.ops.bessel_y1`	逐元素计算输入tensor的第二类一阶贝塞尔函数值。	`GPU` `CPU`
`mindspore.ops.bitwise_and`	逐元素对两个输入tensor做与运算。	`Ascend` `GPU` `CPU`
`mindspore.ops.bitwise_left_shift`	逐元素对输入 input 进行左移位运算, 移动的位数由 other 指定。	`Ascend` `GPU` `CPU`
`mindspore.ops.bitwise_or`	逐元素对两个输入tensor做或运算。	`Ascend` `GPU` `CPU`
`mindspore.ops.bitwise_right_shift`	逐元素对输入 input 进行右移位运算, 移动的位数由 other 指定。	`Ascend` `GPU` `CPU`
`mindspore.ops.bitwise_xor`	逐元素对两个输入tensor做异或运算。	`Ascend` `GPU` `CPU`
`mindspore.ops.ceil`	逐元素对输入tensor做向上取整。	`Ascend` `GPU` `CPU`
`mindspore.ops.clamp`	将输入tensor的所有元素限制在范围 [min, max] 内。	`Ascend` `GPU` `CPU`
`mindspore.ops.clip`	`mindspore.ops.clamp()` 的别名。	`Ascend` `GPU` `CPU`
`mindspore.ops.combinations`	返回输入tensor中所有长度为 r 的子序列。	`Ascend` `GPU` `CPU`
`mindspore.ops.copysign`	创建一个float tensor,由 x 的绝对值和 other 的符号组成。	`Ascend` `GPU` `CPU`
`mindspore.ops.cos`	逐元素计算输入tensor的余弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.cosh`	逐元素计算输入tensor的双曲余弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.cosine_similarity`	沿指定维度计算两个输入tensor之间的余弦相似度。	`Ascend` `GPU` `CPU`
`mindspore.ops.cov`	返回输入tensor的协方差矩阵，其中输入tensor的行表示变量，列表示观测值。	`Ascend` `GPU` `CPU`
`mindspore.ops.diff`	按指定轴计算输入tensor的n阶前向差分。	`Ascend` `GPU` `CPU`
`mindspore.ops.deg2rad`	逐元素地将输入tensor从度数制转换为弧度制。	`Ascend` `GPU` `CPU`
`mindspore.ops.digamma`	逐元素计算输入tensor的伽玛函数的对数导数。	`GPU` `CPU`
`mindspore.ops.div`	逐元素计算第一个输入tensor除以第二个输入tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.divide`	`mindspore.ops.div()` 的别名。	`Ascend` `GPU` `CPU`
`mindspore.ops.erf`	逐元素计算输入tensor的高斯误差。	`Ascend` `GPU` `CPU`
`mindspore.ops.erfc`	逐元素计算输入tensor的互补误差。	`Ascend` `GPU` `CPU`
`mindspore.ops.erfinv`	逐元素计算输入tensor的逆误差。	`Ascend` `GPU` `CPU`
`mindspore.ops.exp`	逐元素计算输入tensor的指数。	`Ascend` `GPU` `CPU`
`mindspore.ops.exp2`	逐元素计算输入tensor以2为底的指数。	`Ascend` `GPU` `CPU`
`mindspore.ops.expm1`	逐元素计算输入tensor的指数，然后减1。	`Ascend` `GPU` `CPU`
`mindspore.ops.floor`	逐元素对输入tensor做向下取整。	`Ascend` `GPU` `CPU`
`mindspore.ops.floor_div`	`mindspore.ops.floor_divide()` 的别名。	`Ascend` `GPU` `CPU`
`mindspore.ops.floor_divide`	逐元素计算 input 除以 other ，并向下取整。	`Ascend` `GPU` `CPU`
`mindspore.ops.floor_mod`	逐元素计算第一个输入除以第二个输入，并向下取余。	`Ascend` `GPU` `CPU`
`mindspore.ops.float_power`	逐元素计算以第一个输入为底，第二个输入为指数。	`GPU` `CPU`
`mindspore.ops.fmax`	逐元素计算输入tensor的最大值。	`CPU`
`mindspore.ops.fmod`	逐元素计算第一个输入除以第二个输入的余数。	`Ascend` `GPU` `CPU`
`mindspore.ops.frac`	返回输入tensor中每个元素的小数部分。	`Ascend` `GPU` `CPU`
`mindspore.ops.gcd`	逐元素计算两个输入tensor的最大公约数。	`Ascend` `GPU` `CPU`
`mindspore.ops.hypot`	给定直角三角形的边，逐元素计算其斜边。	`Ascend` `GPU` `CPU`
`mindspore.ops.igamma`	计算正则化的下层不完全伽马函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.igammac`	计算正则化的上层不完全伽马函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.imag`	返回输入tensor每个元素的虚部。	`Ascend` `GPU` `CPU`
`mindspore.ops.i0`	详情请参考 `mindspore.ops.bessel_i0()`。	`GPU` `CPU`
`mindspore.ops.inv`	逐元素计算输入tensor的倒数。	`Ascend` `GPU` `CPU`
`mindspore.ops.invert`	逐元素按位翻转。	`Ascend` `GPU` `CPU`
`mindspore.ops.lcm`	逐元素计算两个输入tensor的最小公倍数。	`Ascend` `GPU` `CPU`
`mindspore.ops.ldexp`	逐元素将输入tensor乘以 $2^{o t h e r}$ 。	`Ascend` `GPU` `CPU`
`mindspore.ops.lerp`	基于权重参数计算两个tensor之间的线性插值。	`Ascend` `GPU` `CPU`
`mindspore.ops.log`	逐元素计算输入tensor的自然对数。	`Ascend` `GPU` `CPU`
`mindspore.ops.log2`	逐元素计算输入tensor以2为底的对数。	`Ascend` `GPU` `CPU`
`mindspore.ops.log10`	逐元素计算tensor以10为底的对数。	`Ascend` `GPU` `CPU`
`mindspore.ops.log1p`	逐元素计算（tensor + 1）的自然对数。	`Ascend` `GPU` `CPU`
`mindspore.ops.logaddexp`	计算输入的指数和的对数。	`Ascend` `GPU` `CPU`
`mindspore.ops.logaddexp2`	计算以2为底的输入的指数和的对数。	`Ascend` `GPU` `CPU`
`mindspore.ops.logical_and`	逐元素计算两个tensor的逻辑与运算。	`Ascend` `GPU` `CPU`
`mindspore.ops.logical_not`	逐元素计算输入tensor的逻辑非运算。	`Ascend` `GPU` `CPU`
`mindspore.ops.logical_or`	逐元素计算两个tensor的逻辑或运算。	`Ascend` `GPU` `CPU`
`mindspore.ops.logical_xor`	逐元素计算两个tensor的逻辑异或运算。	`Ascend` `CPU`
`mindspore.ops.logit`	逐元素计算tensor的逻辑回归函数值。	`Ascend` `GPU` `CPU`
`mindspore.ops.mul`	两个Tensor逐元素相乘。	`Ascend` `GPU` `CPU`
`mindspore.ops.multiply`	`mindspore.ops.mul()` 的别名。	`Ascend` `GPU` `CPU`
`mindspore.ops.mvlgamma`	逐元素计算 p 维多元对数伽马函数值。	`Ascend` `GPU` `CPU`
`mindspore.ops.neg`	计算输入input的相反数并返回。	`Ascend` `GPU` `CPU`
`mindspore.ops.negative`	`mindspore.ops.neg()` 的别名。	`Ascend` `GPU` `CPU`
`mindspore.ops.nextafter`	逐元素计算 input 指向 other 的下一个可表示浮点值。	`Ascend` `GPU` `CPU`
`mindspore.ops.polar`	将极坐标转化为笛卡尔坐标。	`Ascend` `GPU` `CPU`
`mindspore.ops.polygamma`	计算 input 的多伽马函数的 $n$ 阶导数。	`GPU` `CPU`
`mindspore.ops.positive`	返回输入tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.pow`	计算 input 中每个元素的 exponent 次幂。	`Ascend` `GPU` `CPU`
`mindspore.ops.rad2deg`	逐元素将 x 从弧度转换为度数。	`Ascend` `GPU` `CPU`
`mindspore.ops.ravel`	沿着0轴方向，将多维Tensor展开成一维。	`Ascend` `GPU` `CPU`
`mindspore.ops.real`	返回输入tensor的实数部分。	`Ascend` `GPU` `CPU`
`mindspore.ops.reciprocal`	返回输入tensor每个元素的倒数。	`Ascend` `GPU` `CPU`
`mindspore.ops.remainder`	逐元素计算输入tensor的除法余数。	`Ascend` `GPU` `CPU`
`mindspore.ops.rot90`	沿指定维度的平面内将n-D tensor旋转90度。	`Ascend` `GPU` `CPU`
`mindspore.ops.round`	对输入数据四舍五入到最接近的整数。	`Ascend` `GPU` `CPU`
`mindspore.ops.rsqrt`	逐元素计算输入tensor的平方根倒数。	`Ascend` `GPU` `CPU`
`mindspore.ops.sgn`	`mindspore.ops.sign()` 在复数上的扩展。	`Ascend` `GPU` `CPU`
`mindspore.ops.sign`	按sign公式逐元素计算输入tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.signbit`	判断每个元素的符号，如果元素值小于0则对应输出的位置为True，否则为False。	`Ascend` `GPU` `CPU`
`mindspore.ops.sin`	逐元素计算输入tensor的正弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.sinc`	计算输入的归一化正弦值。	`Ascend` `GPU` `CPU`
`mindspore.ops.sinh`	逐元素计算输入tensor的双曲正弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.sqrt`	逐元素计算tensor的平方根。	`Ascend` `GPU` `CPU`
`mindspore.ops.square`	逐元素计算tensor的平方。	`Ascend` `GPU` `CPU`
`mindspore.ops.sub`	逐元素计算第一个输入减去第二个输入的值。	`Ascend` `GPU` `CPU`
`mindspore.ops.subtract`	从 input 中减去经 alpha 缩放的 other。	`Ascend` `GPU` `CPU`
`mindspore.ops.t`	转置二维tensor，维度小于二的tensor按原样返回。	`Ascend` `GPU` `CPU`
`mindspore.ops.tan`	逐元素计算输入tensor的正切值。	`Ascend` `GPU` `CPU`
`mindspore.ops.tanhshrink`	逐元素计算输入tensor的Tanhshrink激活函数值。	`Ascend` `GPU` `CPU`
`mindspore.ops.trapz`	计算沿指定维度的梯形法则积分。	`Ascend` `GPU` `CPU`
`mindspore.ops.tril_indices`	返回一个二维的tensor，包含 row * col 矩阵的下三角元素的索引。	`Ascend` `GPU` `CPU`
`mindspore.ops.triu_indices`	返回一个二维的tensor，包含 row * col 矩阵的上三角元素的索引。	`Ascend` `GPU` `CPU`
`mindspore.ops.true_divide`	`mindspore.ops.div()` 在 `rounding_mode=None` 时的别名。	`Ascend` `GPU` `CPU`
`mindspore.ops.trunc`	返回一个tensor,包含输入元素的截断整数值。	`Ascend` `GPU` `CPU`
`mindspore.ops.truncate_div`	将 x 和 y 逐元素相除，结果将向0取整。	`Ascend` `GPU` `CPU`
`mindspore.ops.truncate_mod`	将 x 和 y 逐元素取模。	`Ascend` `GPU` `CPU`
`mindspore.ops.xdivy`	x 和 y 逐元素相除。	`Ascend` `GPU` `CPU`
`mindspore.ops.xlogy`	逐元素对 other 取对数，再与 input 相乘。	`Ascend` `GPU` `CPU`
`mindspore.ops.zeta`	逐元素计算Hurwitz zeta的值。	`Ascend` `GPU` `CPU`

Reduction函数

接口名	概述	支持平台
`mindspore.ops.all`	检查指定轴上是否所有元素均为 True。	`Ascend` `GPU` `CPU`
`mindspore.ops.amax`	返回tensor在指定轴上的最大值。	`Ascend` `GPU` `CPU`
`mindspore.ops.amin`	返回tensor在指定轴上的最小值。	`Ascend` `GPU` `CPU`
`mindspore.ops.aminmax`	返回tensor在指定轴上的最小值和最大值。	`Ascend` `GPU` `CPU`
`mindspore.ops.any`	检查指定轴上是否含有 True。	`Ascend` `GPU` `CPU`
`mindspore.ops.argmax`	返回tensor在指定维度上的最大值索引。	`Ascend` `GPU` `CPU`
`mindspore.ops.argmin`	返回tensor在指定轴上的最大值索引。	`Ascend` `GPU` `CPU`
`mindspore.ops.cummax`	返回tensor在指定轴上的累积最大值及其索引。	`Ascend` `GPU` `CPU`
`mindspore.ops.cummin`	返回tensor在指定轴上的累积最小值及其索引。	`Ascend` `GPU` `CPU`
`mindspore.ops.cumprod`	返回tensor在指定维度上累积的元素乘积。	`Ascend` `GPU` `CPU`
`mindspore.ops.cumsum`	返回tensor在指定轴上累积的元素和。	`Ascend` `GPU` `CPU`
`mindspore.ops.histc`	计算tensor的直方图。	`Ascend` `CPU`
`mindspore.ops.logcumsumexp`	计算tensor在指定维度上的累积指数和的对数。	`Ascend` `CPU` `GPU`
`mindspore.ops.logsumexp`	计算tensor在指定维度上的指数和的对数。	`Ascend` `GPU` `CPU`
`mindspore.ops.max`	返回tensor在指定轴上的最大值及其索引。	`Ascend` `GPU` `CPU`
`mindspore.ops.mean`	计算tensor在指定轴上的均值。	`Ascend` `GPU` `CPU`
`mindspore.ops.median`	返回tensor在指定轴上的中位数及其索引。	`GPU` `CPU`
`mindspore.ops.min`	返回tensor在指定轴上的最小值及其索引。	`Ascend` `GPU` `CPU`
`mindspore.ops.norm`	计算tensor的矩阵范数或向量范数。	`Ascend` `GPU` `CPU`
`mindspore.ops.prod`	返回tensor在指定轴上的乘积。	`Ascend` `GPU` `CPU`
`mindspore.ops.std`	计算Tensor在指定轴上的标准差。	`Ascend` `GPU` `CPU`
`mindspore.ops.std_mean`	计算tensor在指定轴上的标准差及平均值。	`Ascend` `GPU` `CPU`
`mindspore.ops.var`	计算tensor在指定轴上的方差。	`Ascend` `GPU` `CPU`
`mindspore.ops.var_mean`	计算tensor在指定轴上的方差及平均值。	`Ascend` `GPU` `CPU`

比较函数

接口名	概述	支持平台
`mindspore.ops.argsort`	返回按指定轴对tensor进行排序后的索引。	`Ascend` `GPU` `CPU`
`mindspore.ops.approximate_equal`	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` `GPU` `CPU`
`mindspore.ops.bucketize`	返回输入tensor中每个元素所属桶的索引。	`Ascend` `GPU` `CPU`
`mindspore.ops.eq`	逐元素计算两个输入是否相等。	`Ascend` `GPU` `CPU`
`mindspore.ops.equal`	逐元素计算两个输入是否相等。	`Ascend` `GPU` `CPU`
`mindspore.ops.ge`	逐元素计算 $i n p u t >= o t h e r$ 的值。	`Ascend` `GPU` `CPU`
`mindspore.ops.greater`	逐元素计算 $i n p u t > o t h e r$ 的值。	`Ascend` `GPU` `CPU`
`mindspore.ops.greater_equal`	逐元素计算 $i n p u t >= o t h e r$ 的值。	`Ascend` `GPU` `CPU`
`mindspore.ops.gt`	逐元素计算 $i n p u t > o t h e r$ 的值。	`Ascend` `GPU` `CPU`
`mindspore.ops.intopk`	返回第二个输入tensor中的元素是否存在于第一个输入tensor的前 k 个元素中。	`Ascend` `GPU` `CPU`
`mindspore.ops.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` `GPU` `CPU`
`mindspore.ops.isfinite`	返回一个布尔型tensor，指示哪些元素是有限数。	`Ascend` `GPU` `CPU`
`mindspore.ops.isinf`	返回一个布尔型tensor，指示哪些元素是正负无穷数。	`Ascend` `CPU` `GPU`
`mindspore.ops.isnan`	返回一个布尔型tensor，指示哪些元素是NaN。	`Ascend` `GPU` `CPU`
`mindspore.ops.isneginf`	返回一个布尔型tensor，指示哪些元素是负无穷数。	`Ascend` `GPU` `CPU`
`mindspore.ops.isposinf`	返回一个布尔型tensor，指示哪些元素是正无穷数。	`Ascend` `GPU` `CPU`
`mindspore.ops.isreal`	返回一个布尔型tensor，指示哪些元素是实数。	`GPU` `CPU`
`mindspore.ops.is_complex`	返回一个布尔型tensor，指示哪些元素是复数。	`Ascend` `GPU` `CPU`
`mindspore.ops.is_floating_point`	如果tensor的数据类型是浮点数，则返回True，否则返回False。	`Ascend` `GPU` `CPU`
`mindspore.ops.le`	逐元素计算 $i n p u t <= o t h e r$ 的值。	`Ascend` `GPU` `CPU`
`mindspore.ops.less`	逐元素计算 $i n p u t < o t h e r$ 的值。	`Ascend` `GPU` `CPU`
`mindspore.ops.less_equal`	逐元素计算 $i n p u t <= o t h e r$ 的值。	`Ascend` `GPU` `CPU`
`mindspore.ops.lt`	`mindspore.ops.less()` 的别名。	`Ascend` `GPU` `CPU`
`mindspore.ops.maximum`	逐元素计算两个输入tensor中最大值。	`Ascend` `GPU` `CPU`
`mindspore.ops.minimum`	逐元素计算两个输入tensor的最小值。	`Ascend` `GPU` `CPU`
`mindspore.ops.msort`	返回沿第一个维度对输入tensor进行升序排序后的tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.ne`	逐元素计算两个输入是否不相等。	`Ascend` `GPU` `CPU`
`mindspore.ops.not_equal`	`mindspore.ops.ne()` 的别名。	`Ascend` `GPU` `CPU`
`mindspore.ops.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` `GPU` `CPU`
`mindspore.ops.topk`	按指定维度返回前 k 个最大或最小元素及其对应索引。	`Ascend` `GPU` `CPU`

线性代数函数

接口名	概述	支持平台
`mindspore.ops.addbmm`	对 batch1 和 batch2 中的矩阵相乘，按照第一维度累计相加，再与 input 相加。	`Ascend` `GPU` `CPU`
`mindspore.ops.addmm`	对 mat1 和 mat2 矩阵乘，再将结果与 input 相加。	`Ascend` `GPU` `CPU`
`mindspore.ops.addr`	计算 vec1 和 vec2 的外积，并加到 x 中。	`Ascend` `GPU` `CPU`
`mindspore.ops.adjoint`	逐元素计算输入tensor的共轭，并转置最后两个维度。	`Ascend` `GPU` `CPU`
`mindspore.ops.baddbmm`	对 batch1 和 batch2 中的矩阵相乘，并与 input 相加。	`Ascend` `GPU` `CPU`
`mindspore.ops.batch_dot`	计算 x1 和 x2 中的向量点积。	`Ascend` `GPU` `CPU`
`mindspore.ops.bmm`	对输入的两个tensor执行批量矩阵乘积。	`Ascend` `GPU` `CPU`
`mindspore.ops.cholesky`	计算给定对称正定矩阵的Cholesky分解。	`GPU` `CPU`
`mindspore.ops.cholesky_solve`	根据Cholesky分解因子 input2 计算一组具有正定矩阵的线性方程组的解。	`Ascend` `GPU` `CPU`
`mindspore.ops.cond`	返回给定Tensor的矩阵范数或向量范数。	`GPU` `CPU`
`mindspore.ops.dot`	计算两个输入tensor的点积。	`Ascend` `GPU` `CPU`
`mindspore.ops.eigvals`	计算输入方阵的特征值。	`Ascend` `CPU`
`mindspore.ops.geqrf`	将输入tensor进行QR分解 $A = Q R$ 。	`Ascend` `GPU` `CPU`
`mindspore.ops.ger`	计算输入一维tensor input 与 vec2 的外积。	`Ascend` `GPU` `CPU`
`mindspore.ops.inner`	计算两个一维tensor的点积。	`Ascend` `GPU` `CPU`
`mindspore.ops.inverse`	计算输入矩阵的逆。	`GPU` `CPU`
`mindspore.ops.kron`	计算 input 和 other 的Kronecker积。	`Ascend` `GPU` `CPU`
`mindspore.ops.logdet`	计算输入方块矩阵的对数行列式。	`CPU`
`mindspore.ops.lu_solve`	计算线性方程组 $A y = b$ 的LU解。	`Ascend` `GPU` `CPU`
`mindspore.ops.lu_unpack`	将 `mindspore.scipy.linalg.lu_factor()` 返回的LU分解结果解包为P、L、U矩阵。	`GPU` `CPU`
`mindspore.ops.matmul`	计算两个输入的矩阵乘积。	`Ascend` `GPU` `CPU`
`mindspore.ops.matrix_band_part`	返回一个tensor，保留指定对角线的值，其余设为0。	`Ascend` `GPU` `CPU`
`mindspore.ops.matrix_solve`	求解线性方程组。	`Ascend` `CPU`
`mindspore.ops.matrix_diag`	使用 x 中的元素值作为输出tensor的对角线，其余用 padding_value 填充。	`Ascend` `GPU` `CPU`
`mindspore.ops.matrix_diag_part`	返回一个tensor，包含输入tensor x 的第 k[0] 到 k[1] 个对角线中的值，缺失部分使用 padding_value 填充。	`Ascend` `GPU` `CPU`
`mindspore.ops.matrix_set_diag`	返回一个tensor，使用输入 diagonal 中的元素值替换 x 矩阵的第 k[0] 条到第 k[1] 条对角线上的元素值。	`Ascend` `GPU` `CPU`
`mindspore.ops.mm`	计算两个输入的矩阵乘积。	`Ascend` `GPU` `CPU`
`mindspore.ops.mv`	实现矩阵 mat 和向量 vec 相乘。	`Ascend` `GPU` `CPU`
`mindspore.ops.outer`	计算两个tensor的外积。	`Ascend` `GPU` `CPU`
`mindspore.ops.orgqr`	计算Householder矩阵的前 $N$ 列。	`Ascend` `GPU` `CPU`
`mindspore.ops.ormqr`	计算一个普通矩阵 other 与一个矩阵Q（由Householder反射向量 input 和反射系数 tau 生成）的乘积。	`GPU`
`mindspore.ops.pinv`	计算矩阵的伪逆（Moore-Penrose）。	`CPU`
`mindspore.ops.svd`	计算单个或多个矩阵的奇异值分解。	`Ascend` `GPU` `CPU`
`mindspore.ops.slogdet`	对一个或多个方阵行列式的绝对值取对数，返回其符号和值。	`Ascend` `GPU` `CPU`
`mindspore.ops.trace`	返回tensor对角线的元素总和。	`Ascend` `GPU` `CPU`
`mindspore.ops.tensor_dot`	沿指定轴计算两个张量的点乘。	`Ascend` `GPU` `CPU`
`mindspore.ops.vander`	生成一个范德蒙矩阵。	`Ascend` `GPU` `CPU`
`mindspore.ops.vecdot`	按指定轴，计算两批向量的点积。	`Ascend` `GPU` `CPU`

谱函数

接口名	概述	支持平台
`mindspore.ops.bartlett_window`	巴特利特窗口函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.blackman_window`	布莱克曼窗口函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.hamming_window`	汉明窗口函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.hann_window`	汉宁窗口函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.kaiser_window`	凯瑟窗口函数。	`Ascend` `GPU` `CPU`

神经网络层函数

神经网络

接口名	概述	支持平台
`mindspore.ops.adaptive_avg_pool1d`	对可以看作是由一系列1D平面组成的输入Tensor，应用一维自适应平均池化操作。	`Ascend` `GPU` `CPU`
`mindspore.ops.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` `GPU` `CPU`
`mindspore.ops.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` `GPU` `CPU`
`mindspore.ops.adaptive_max_pool1d`	对可以看作是由一系列1D平面组成的输入Tensor，应用一维自适应最大池化操作。	`Ascend` `GPU` `CPU`
`mindspore.ops.adaptive_max_pool2d`	对输入Tensor，提供二维自适应最大池化操作。	`Ascend` `GPU` `CPU`
`mindspore.ops.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。	`Ascend` `GPU` `CPU`
`mindspore.ops.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` `GPU` `CPU`
`mindspore.ops.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` `GPU` `CPU`
`mindspore.ops.batch_norm`	对输入数据进行批量归一化和参数更新。	`Ascend` `GPU` `CPU`
`mindspore.ops.bias_add`	返回输入Tensor input_x 与偏置Tensor bias 之和。	`Ascend` `GPU` `CPU`
`mindspore.ops.bidense`	对输入 input1 和 input2 应用双线性全连接操作。	`Ascend` `GPU` `CPU`
`mindspore.ops.ctc_greedy_decoder`	对输入中给定的logits执行贪婪解码。	`Ascend` `GPU` `CPU`
`mindspore.ops.conv1d`	对输入Tensor计算一维卷积。	`Ascend` `GPU`
`mindspore.ops.conv2d`	对输入Tensor计算二维卷积。	`Ascend` `GPU`
`mindspore.ops.conv3d`	对输入Tensor计算三维卷积。	`Ascend` `GPU`
`mindspore.ops.deformable_conv2d`	给定4D的Tensor输入 x ， weight 和 offsets ，计算一个2D的可变形卷积。	`Ascend` `GPU` `CPU`
`mindspore.ops.dense`	对输入 input 应用全连接操作。	`Ascend` `GPU` `CPU`
`mindspore.ops.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` `GPU` `CPU`
`mindspore.ops.dropout1d`	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（对于形状为 $N C L$ 的三维Tensor，其通道特征图指的是后一维 $L$ 的一维特征图）。	`Ascend` `GPU` `CPU`
`mindspore.ops.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（对于形状为 $N C H W$ 的四维Tensor，其通道特征图指的是后两维 $H W$ 形状的二维特征图）。	`Ascend` `GPU` `CPU`
`mindspore.ops.dropout3d`	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（对于形状为 $N C D H W$ 的五维Tensor，其通道特征图指的是后三维 $D H W$ 形状的三维特征图）。	`Ascend` `GPU` `CPU`
`mindspore.ops.embedding`	以 input 中的值作为索引，从 weight 中查询对应的embedding向量。	`Ascend`
`mindspore.ops.flatten`	沿着从 start_dim 到 end_dim 的维度，对输入Tensor进行展平。	`Ascend` `GPU` `CPU`
`mindspore.ops.fold`	将提取出的滑动局部区域块还原成更大的输出Tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.fractional_max_pool3d`	在输入 input 上应用三维分数最大池化。	`GPU` `CPU`
`mindspore.ops.fused_infer_attention_score`	这是一个适配增量和全量推理场景的FlashAttention函数，既可以支持全量计算场景（PromptFlashAttention），也可支持增量计算场景（IncreFlashAttention）。	`Ascend`
`mindspore.ops.speed_fusion_attention`	本接口用于实现self-attention的融合计算。	`Ascend`
`mindspore.ops.group_norm`	在mini-batch输入上进行组归一化。	`Ascend` `GPU` `CPU`
`mindspore.ops.layer_norm`	在mini-batch输入上应用层归一化（Layer Normalization）。	`Ascend`
`mindspore.ops.lp_pool1d`	在输入Tensor上应用1D LP池化运算，可被视为组成一个1D输入平面。	`Ascend` `GPU` `CPU`
`mindspore.ops.lp_pool2d`	在输入Tensor上应用2D LP池化运算，可被视为组成一个2D输入平面。	`Ascend` `GPU` `CPU`
`mindspore.ops.lrn`	局部响应归一化操作LRN(Local Response Normalization)。	`GPU` `CPU`
`mindspore.ops.max_pool2d`	二维最大值池化。	`Ascend` `GPU` `CPU`
`mindspore.ops.max_pool3d`	三维最大值池化。	`Ascend` `GPU` `CPU`
`mindspore.ops.max_unpool1d`	max_pool1d 的逆过程。	`Ascend` `GPU` `CPU`
`mindspore.ops.max_unpool2d`	max_pool2d 的逆过程。	`Ascend` `GPU` `CPU`
`mindspore.ops.max_unpool3d`	`mindspore.ops.max_pool3d()` 的逆过程。	`Ascend` `GPU` `CPU`
`mindspore.ops.moe_token_permute`	根据 indices 对 tokens 进行排列。	`Ascend`
`mindspore.ops.moe_token_unpermute`	根据排序的索引对已排列的标记进行反排列，并可选择将标记与其对应的概率合并。	`Ascend`
`mindspore.ops.incre_flash_attention`	增量推理场景接口。	`Ascend`
`mindspore.ops.prompt_flash_attention`	全量推理场景接口。	`Ascend`
`mindspore.ops.flash_attention_score`	训练场景下，使用FlashAttention算法实现self-attention的计算。	`Ascend`
`mindspore.ops.rms_norm`	RmsNorm(Root Mean Square Layer Normalization)即均方根标准化。	`Ascend`
`mindspore.ops.unfold`	从一个batch的输入Tensor中提取滑动局部块。	`Ascend` `GPU` `CPU`

损失函数

接口名	概述	支持平台
`mindspore.ops.binary_cross_entropy`	计算预测值 logits 和目标值 labels 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` `GPU` `CPU`
`mindspore.ops.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` `GPU` `CPU`
`mindspore.ops.cosine_embedding_loss`	余弦相似度损失函数，用于测量两个Tensor之间的相似性。	`Ascend` `GPU` `CPU`
`mindspore.ops.cross_entropy`	获取预测值和目标值之间的交叉熵损失。	`Ascend` `GPU` `CPU`
`mindspore.ops.ctc_loss`	计算CTC（Connectist Temporal Classification）损失和梯度。	`Ascend` `GPU` `CPU`
`mindspore.ops.gaussian_nll_loss`	服从高斯分布的负对数似然损失。	`Ascend` `GPU` `CPU`
`mindspore.ops.hinge_embedding_loss`	Hinge Embedding 损失函数，衡量输入 inputs 和标签 targets （包含1或-1）之间的损失值。	`Ascend` `GPU` `CPU`
`mindspore.ops.huber_loss`	计算预测值和目标值之间的误差，兼具 `mindspore.ops.l1_loss()` 和 `mindspore.ops.mse_loss()` 的优点。	`Ascend` `GPU` `CPU`
`mindspore.ops.kl_div`	计算输入 logits 和 labels 的KL散度。	`Ascend` `GPU` `CPU`
`mindspore.ops.l1_loss`	用于计算预测值和目标值之间的平均绝对误差。	`Ascend` `GPU` `CPU`
`mindspore.ops.margin_ranking_loss`	排序损失函数，用于创建一个衡量给定损失的标准。	`Ascend` `GPU` `CPU`
`mindspore.ops.mse_loss`	计算预测值和标签值之间的均方误差。	`Ascend` `GPU` `CPU`
`mindspore.ops.multi_margin_loss`	用于优化多分类问题的合页损失。	`Ascend` `GPU` `CPU`
`mindspore.ops.multilabel_margin_loss`	用于优化多标签分类问题的合页损失。	`Ascend` `GPU`
`mindspore.ops.multilabel_soft_margin_loss`	基于最大熵计算用于多标签优化的损失。	`Ascend` `GPU` `CPU`
`mindspore.ops.nll_loss`	获取预测值和目标值之间的负对数似然损失。	`Ascend` `GPU` `CPU`
`mindspore.ops.smooth_l1_loss`	计算平滑L1损失，该L1损失函数有稳健性。	`Ascend` `GPU` `CPU`
`mindspore.ops.soft_margin_loss`	计算 input 和 target 之间的soft margin loss。	`Ascend` `GPU`
`mindspore.ops.triplet_margin_loss`	三元组损失函数。	`GPU`

激活函数

接口名	概述	支持平台
`mindspore.ops.celu`	celu激活函数，逐元素计算输入Tensor的celu（Continuously differentiable exponential linear units）值。	`Ascend` `GPU` `CPU`
`mindspore.ops.elu`	指数线性单元激活函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.fast_gelu`	快速高斯误差线性单元激活函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.gelu`	高斯误差线性单元激活函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.glu`	门线性单元函数（Gated Linear Unit function）。	`Ascend` `GPU` `CPU`
`mindspore.ops.gumbel_softmax`	返回Gumbel-Softmax分布的Tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.hardshrink`	Hard Shrink激活函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.hardsigmoid`	Hard Sigmoid激活函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.hardswish`	Hard Swish激活函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.hardtanh`	逐元素元素计算hardtanh激活函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.leaky_relu`	leaky_relu激活函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.log_softmax`	在指定轴上对输入Tensor应用LogSoftmax函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.logsigmoid`	按元素计算LogSigmoid激活函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.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` `GPU` `CPU`
`mindspore.ops.prelu`	带参数的线性修正单元激活函数（Parametric Rectified Linear Unit activation function）。	`Ascend` `GPU` `CPU`
`mindspore.ops.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` `GPU` `CPU`
`mindspore.ops.relu6`	计算输入Tensor的ReLU（修正线性单元），其上限为6。	`Ascend` `GPU` `CPU`
`mindspore.ops.rrelu`	Randomized Leaky ReLU激活函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.selu`	激活函数selu（Scaled exponential Linear Unit）。	`Ascend` `GPU` `CPU`
`mindspore.ops.sigmoid`	逐元素计算Sigmoid激活函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.silu`	按输入逐元素计算激活函数SiLU（Sigmoid Linear Unit），也称为Swish函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.softmax`	在指定轴上对输入Tensor执行Softmax激活函数做归一化操作。	`Ascend` `GPU` `CPU`
`mindspore.ops.softmin`	在指定轴上对输入Tensor执行Softmin函数做归一化操作。	`Ascend` `GPU` `CPU`
`mindspore.ops.softshrink`	逐元素计算Soft Shrink激活函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.softsign`	SoftSign激活函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.swiglu`	计算Swish门线性单元函数（Swish Gated Linear Unit function）。	`Ascend`
`mindspore.ops.tanh`	逐元素计算输入元素的双曲正切。	`Ascend` `GPU` `CPU`
`mindspore.ops.threshold`	使用阈值 thr 参数对 input 逐元素阈值化，并将其结果作为Tensor返回。	`Ascend` `GPU` `CPU`

距离函数

接口名	概述	支持平台
`mindspore.ops.cdist`	计算两个Tensor每对行向量之间的p-norm距离。	`Ascend` `GPU` `CPU`
`mindspore.ops.dist`	计算输入中每对行向量之间的 $p$ -norm距离。	`Ascend` `GPU` `CPU`
`mindspore.ops.pdist`	计算输入中每对行向量之间的p-范数距离。	`GPU` `CPU`

采样函数

接口名	概述	支持平台
`mindspore.ops.choice_with_mask`	对输入进行随机取样，返回取样索引和掩码。	`Ascend` `GPU` `CPU`
`mindspore.ops.random_categorical`	从一个分类分布中生成随机样本。	`Ascend` `GPU` `CPU`
`mindspore.ops.log_uniform_candidate_sampler`	使用log-uniform(Zipfian)分布对一组类别进行采样。	`Ascend` `CPU`
`mindspore.ops.uniform_candidate_sampler`	使用均匀分布对一组类别进行采样。	`Ascend` `GPU` `CPU`

图像函数

接口名	概述	支持平台
`mindspore.ops.affine_grid`	基于输入的批量仿射矩阵 theta ，返回一个二维或三维的流场（采样网格）。	`Ascend` `GPU` `CPU`
`mindspore.ops.bounding_box_decode`	解码边界框位置信息，计算偏移量。	`Ascend` `GPU` `CPU`
`mindspore.ops.bounding_box_encode`	编码边界框位置信息，计算预测边界框和真实边界框之间的偏移，并将此偏移作为损失变量。	`Ascend` `GPU` `CPU`
`mindspore.ops.col2im`	将一组滑动局部块组合为一个完整的Tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.check_valid`	检查边界框是否在图片内。	`Ascend` `GPU` `CPU`
`mindspore.ops.crop_and_resize`	对输入图像Tensor进行裁剪并调整其大小。	`Ascend` `GPU` `CPU`
`mindspore.ops.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` `GPU` `CPU`
`mindspore.ops.interpolate`	按照给定的 size 或 scale_factor 根据 mode 设置的插值方式，对输入 input 调整大小。	`Ascend` `GPU` `CPU`
`mindspore.ops.iou`	计算矩形的IOU，即真实区域和预测区域的交并比。	`Ascend` `GPU` `CPU`
`mindspore.ops.pad`	根据参数 padding 对输入进行填充。	`Ascend` `GPU` `CPU`
`mindspore.ops.padding`	通过填充0，将输入Tensor的最后一个维度从1扩展到指定大小。	`Ascend` `GPU` `CPU`
`mindspore.ops.pixel_shuffle`	对输入 input 应用像素重组操作，它实现了步长为 $1 / r$ 的子像素卷积。	`Ascend` `GPU` `CPU`
`mindspore.ops.pixel_unshuffle`	对输入 input 应用逆像素重组操作，这是像素重组的逆操作。	`Ascend` `GPU` `CPU`
`mindspore.ops.rotary_position_embedding`	旋转位置编码算法的实现。	`Ascend`
`mindspore.ops.rotated_iou`	计算旋转矩形之间的重叠面积。	`Ascend`
`mindspore.ops.upsample`	`mindspore.ops.interpolate()` 的别名。	`Ascend` `GPU` `CPU`

Parameter操作函数

接口名	概述	支持平台
`mindspore.ops.assign`	为网络参数或者tensor赋值。	`Ascend` `GPU` `CPU`
`mindspore.ops.assign_add`	通过加法运算更新网络参数或者tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.assign_sub`	通过减法运算更新网络参数或者tensor。	`Ascend` `GPU` `CPU`
`mindspore.ops.scatter_add`	根据指定索引和更新值对 input_x 进行加法更新。	`Ascend` `GPU` `CPU`
`mindspore.ops.scatter_div`	根据指定索引和更新值对 input_x 进行除法更新。	`Ascend` `GPU` `CPU`
`mindspore.ops.scatter_max`	根据指定索引和更新值对 input_x 进行最大值更新。	`Ascend` `GPU` `CPU`
`mindspore.ops.scatter_min`	根据指定索引和更新值对 input_x 进行最小值更新。	`Ascend` `GPU` `CPU`
`mindspore.ops.scatter_mul`	根据指定索引和更新值对 input_x 进行乘法更新。	`Ascend` `GPU` `CPU`
`mindspore.ops.scatter_nd_add`	根据指定索引和更新值对 input_x 进行稀疏加法更新。	`Ascend` `GPU` `CPU`
`mindspore.ops.scatter_nd_div`	根据指定索引和更新值对 input_x 进行稀疏除法更新。	`GPU` `CPU`
`mindspore.ops.scatter_nd_max`	根据指定索引和更新值对 input_x 进行稀疏最大值更新。	`Ascend` `GPU` `CPU`
`mindspore.ops.scatter_nd_min`	根据指定索引和更新值对 input_x 进行稀疏最小值更新。	`Ascend` `GPU` `CPU`
`mindspore.ops.scatter_nd_mul`	根据指定索引和更新值对 input_x 进行稀疏乘法更新。	`GPU` `CPU`
`mindspore.ops.scatter_nd_sub`	根据指定索引和更新值对 input_x 进行稀疏减法更新。	`Ascend` `GPU` `CPU`
`mindspore.ops.scatter_update`	根据指定输入索引和更新值更新输入tensor的值。	`Ascend` `GPU` `CPU`

微分函数

接口名	概述	支持平台
`mindspore.ops.derivative`	计算函数或网络输出对输入的高阶微分。	`Ascend` `GPU` `CPU`
`mindspore.ops.jet`	计算函数或网络输出对输入的高阶微分。	`Ascend` `GPU` `CPU`
`mindspore.ops.stop_gradient`	用于消除某个值对梯度的影响，例如截断来自于函数输出的梯度传播。	`Ascend` `GPU` `CPU`

调试函数

接口名	概述	支持平台
`mindspore.ops.print_`	将输入数据进行打印输出。	`Ascend` `GPU` `CPU`
`mindspore.ops.tensordump`	将tensor保存为npy格式的文件。	`Ascend`

稀疏函数

警告

这些是实验性API，后续可能修改或删除。

接口名	概述	支持平台
`mindspore.ops.dense_to_sparse_coo`	将常规Tensor转换为稀疏化的COOTensor。	`GPU`
`mindspore.ops.dense_to_sparse_csr`	将常规Tensor转为稀疏化的CSRTensor。	`GPU`
`mindspore.ops.csr_to_coo`	将一个CSRTensor转化成一个COOTensor。	`Ascend` `GPU` `CPU`

COO函数

警告

这些是实验性API，后续可能修改或删除。

接口名	概述	支持平台
`mindspore.ops.coo_abs`	逐元素计算输入COOTensor的绝对值。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_acos`	逐元素计算输入COOTensor的反余弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_acosh`	逐元素计算输入COOTensor的反双曲余弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_add`	两个COOTensor相加，根据相加的结果与 thresh 返回新的COOTensor。	`GPU` `CPU`
`mindspore.ops.coo_asin`	逐元素计算输入COOTensor的反正弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_asinh`	计算COOTensor输入元素的反双曲正弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_atan`	逐元素计算输入COOTensor的反正切值。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_atanh`	逐元素计算输入COOTensor的反双曲正切值。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_ceil`	COOTensor向上取整函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_concat`	根据指定的轴concat_dim对输入的COO Tensor（sp_input）进行合并操作。	`CPU`
`mindspore.ops.coo_cos`	逐元素计算COOTensor输入的余弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_cosh`	逐元素计算COOTensor x 的双曲余弦值。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_exp`	逐元素计算COOTensor x 的指数。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_expm1`	逐元素计算输入COOTensor的指数，然后减去1。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_floor`	COOTensor逐元素向下取整函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_inv`	逐元素计算输入COOTensor的倒数。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_isfinite`	判断COOTensor输入数据每个位置上的值是否是有限数。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_isinf`	确定输入COOTensor每个位置上的元素是否为正负无穷大。	`GPU` `CPU`
`mindspore.ops.coo_isnan`	判断COOTensor输入数据每个位置上的值是否是Nan。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_log`	逐元素返回COOTensor的自然对数。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_log1p`	对输入COOTensor逐元素加一后计算自然对数。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_neg`	计算输入COOTensor的相反数并返回。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_relu`	对输入的COOTensor逐元素计算其应用ReLU激活函数后的值。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_relu6`	对输入的COOTensor逐元素计算其应用ReLU激活函数后的值，上限为6。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_round`	对COOTensor输入数据进行四舍五入到最接近的整数数值。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_sigmoid`	Sigmoid激活函数，对COOTensor逐元素计算Sigmoid激活函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_sin`	逐元素计算输入COOTensor的正弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_sinh`	逐元素计算输入COOTensor的双曲正弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_softsign`	COOTensor Softsign激活函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_sqrt`	逐元素计算COOTensor的平方根。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_square`	逐元素返回COOTensor的平方。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_tan`	计算COOTensor输入元素的正切值。	`Ascend` `GPU` `CPU`
`mindspore.ops.coo_tanh`	按元素计算COOTensor输入元素的双曲正切。	`Ascend` `GPU` `CPU`

CSR函数

警告

这些是实验性API，后续可能修改或删除。

接口名	概述	支持平台
`mindspore.ops.csr_abs`	逐元素计算输入CSRTensor的绝对值。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_acos`	逐元素计算输入CSRTensor的反余弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_acosh`	逐元素计算输入CSRTensor的反双曲余弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_add`	计算两个输入CSRTensor的线性组合。	`GPU` `CPU`
`mindspore.ops.csr_asin`	逐元素计算输入CSRTensor的反正弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_asinh`	计算CSRTensor输入元素的反双曲正弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_atan`	逐元素计算输入CSRTensor的反正切值。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_atanh`	逐元素计算输入CSRTensor的反双曲正切值。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_ceil`	CSRTensor向上取整函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_cos`	逐元素计算CSRTensor输入的余弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_cosh`	逐元素计算CSRTensor x 的双曲余弦值。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_exp`	逐元素计算CSRTensor x 的指数。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_expm1`	逐元素计算输入CSRTensor的指数，然后减去1。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_floor`	CSRTensor逐元素向下取整函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_inv`	逐元素计算输入CSRTensor的倒数。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_isfinite`	判断CSRTensor输入数据每个位置上的值是否是有限数。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_isinf`	确定输入CSRTensor每个位置上的元素是否为无穷大或无穷小。	`GPU` `CPU`
`mindspore.ops.csr_isnan`	判断CSRTensor输入数据每个位置上的值是否是NaN。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_log`	逐元素返回CSRTensor的自然对数。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_log1p`	对输入CSRTensor逐元素加一后计算自然对数。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_mm`	返回稀疏矩阵a与稀疏矩阵或稠密矩阵b的矩阵乘法结果。	`GPU`
`mindspore.ops.csr_neg`	计算输入CSRTensor的相反数并返回。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_relu`	逐元素计算CSRTensor的ReLU（Rectified Linear Unit）激活值。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_relu6`	逐元素计算CSRTensor的ReLU值，其上限为6。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_round`	对CSRTensor输入数据进行四舍五入到最接近的整数数值。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_sigmoid`	Sigmoid激活函数，CSRTensor逐元素计算Sigmoid激活函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_sin`	逐元素计算输入CSRTensor的正弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_sinh`	逐元素计算输入CSRTensor的双曲正弦。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_softmax`	计算 CSRTensorMatrix 的 softmax 。	`GPU` `CPU`
`mindspore.ops.csr_softsign`	CSRTensor的Softsign激活函数。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_sqrt`	逐元素返回当前CSRTensor的平方根。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_square`	逐元素返回CSRTensor的平方。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_tan`	逐元素计算CSRTensor的正切值。	`Ascend` `GPU` `CPU`
`mindspore.ops.csr_tanh`	逐元素计算CSRTensor输入元素的双曲正切。	`Ascend` `GPU` `CPU`

MC2 函数

警告

这些是实验性API，后续可能修改或删除。

接口名	概述	支持平台
`mindspore.ops.all_gather_matmul`	TP 切分场景下，实现 allgather 和 matmul 的融合，融合算子内部实现通信和计算流水并行。	`Ascend`
`mindspore.ops.matmul_reduce_scatter`	TP 切分场景下，实现 matmul 和 reducescatter 的融合，融合算子内部实现通信和计算流水并行。	`Ascend`