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。

PR

小问题，全程线上修改...

一键搞定！

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。

文档反馈

mindspore.Tensor.prod

mindspore.Tensor.prod(dim=None, keepdim=False, dtype=None)

默认情况下，使用指定维度的所有元素的乘积代替该维度的其他元素，以移除该维度。也可仅缩小该维度大小至1。 keepdim 控制输出和输入的维度是否相同。

参数：

dim (Union[int, tuple(int), list(int), Tensor]，可选) - 要减少的维度。默认值: None ，缩小所有维度。只允许常量值。假设 self 的秩为r，取值范围[-r,r)。
keepdim (bool，可选) - 如果为 True ，则保留缩小的维度，大小为1。否则移除维度。默认值： False 。
dtype (mindspore.dtype，可选) - 期望输出Tensor的类型。默认值： None 。

返回：

Tensor。

如果 dim 为 None ，且 keepdim 为 False ，则输出一个零维Tensor，表示输入Tensor中所有元素的乘积。
如果 dim 为int，取值为1，并且 keepdim 为 False ，则输出的shape为 $(s e l f_{0}, s e l f_{2}, . . ., s e l f_{R})$ 。
如果 dim 为tuple(int)或list(int)，取值为(1, 2)，并且 keepdim 为 False ，则输出Tensor的shape为 $(s e l f_{0}, s e l f_{3}, . . ., s e l f_{R})$ 。
如果 dim 为一维Tensor，例如取值为[1, 2]，并且 keepdim 为 False ，则输出Tensor的shape为 $(s e l f_{0}, s e l f_{3}, . . ., s e l f_{R})$ 。

异常：

TypeError - dim 不是以下数据类型之一：int、Tuple、list或Tensor。
TypeError - keepdim 不是bool类型。
ValueError - dim 超出范围。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor
>>> x = Tensor(np.random.randn(3, 4, 5, 6).astype(np.float32))
>>> output = Tensor.prod(x, 1, True)
>>> result = output.shape
>>> print(result)
(3, 1, 5, 6)
>>> # case 1: Reduces a dimension by multiplying all elements in the dimension.
>>> x = Tensor(np.array([[[1, 1, 1, 1, 1, 1], [2, 2, 2, 2, 2, 2], [3, 3, 3, 3, 3, 3]],
...                      [[4, 4, 4, 4, 4, 4], [5, 5, 5, 5, 5, 5], [6, 6, 6, 6, 6, 6]],
...                      [[7, 7, 7, 7, 7, 7], [8, 8, 8, 8, 8, 8], [9, 9, 9, 9, 9, 9]]]), mindspore.float32)
>>> output = Tensor.prod(x)
>>> print(output)
2.2833798e+33
>>> print(output.shape)
()
>>> # case 2: Reduces a dimension along axis 0.
>>> output = Tensor.prod(x, 0, True)
>>> print(output)
[[[ 28.  28.  28.  28.  28.  28.]
  [ 80.  80.  80.  80.  80.  80.]
  [162. 162. 162. 162. 162. 162.]]]
>>> # case 3: Reduces a dimension along axis 1.
>>> output = Tensor.prod(x, 1, True)
>>> print(output)
[[[  6.   6.   6.   6.   6.   6.]]
 [[120. 120. 120. 120. 120. 120.]]
 [[504. 504. 504. 504. 504. 504.]]]
>>> # case 4: Reduces a dimension along axis 2.
>>> output = Tensor.prod(x, 2, True)
>>> print(output)
[[[1.00000e+00]
  [6.40000e+01]
  [7.29000e+02]]
 [[4.09600e+03]
  [1.56250e+04]
  [4.66560e+04]]
 [[1.17649e+05]
  [2.62144e+05]
  [5.31441e+05]]]

mindspore.Tensor.prod(axis=None, keep_dims=False, dtype=None)

详情请参考 mindspore.ops.prod()。