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。

提交

文档反馈

mindspore.Tensor.select

mindspore.Tensor.select(dim, index)

沿着选定的维度在给定的索引处进行切片。

警告

这是一个实验性API，可能会更改或删除。

参数：

• dim (int) - 指定切片的维度。

• index (int) - 指定索引值。

返回：

Tensor。

支持平台：

Ascend

样例：

>>> import mindspore
>>> from mindspore import Tensor
>>> input = Tensor([[2, 3, 4, 5],[3, 2, 4, 5]])
>>> y = Tensor.select(input, 0, 0)
>>> print(y)
[2 3 4 5]

mindspore.Tensor.select(condition, y)

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 self （如果元素值为True）还是从 y （如果元素值为False）中选择。

该算法可以被定义为：

$$\begin{array}{r}ou{t}_i=\{\begin{array}{ll}sel{f}_i,& \text{if }conditio{n}_i\\ y_i,& \text{otherwise}\end{array}\end{array}$$

参数：

• condition (Tensor[bool]) - 条件Tensor，决定选择哪一个元素。维度是：$(x_1,x_2,...,x_N,...,x_R)$ 。

• y (Union[Tensor, int, float]) - 备选的Tensor或者数字。

  • 如果 y 是一个Tensor，那么shape是或者可以被广播为：$(x_1,x_2,...,x_N,...,x_R)$。

  • 如果 y 是int或者float，那么将会被转化为int32或者float32类型，并且被广播为与 self 相同的shape。 self 和 y 中至少要有一个Tensor。

返回：

Tensor。与 condition 的shape相同。

异常：

• TypeError - 如果 y 不是Tensor、int或者float。

• ValueError - 输入的shape不能被广播。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> from mindspore import Tensor
>>> # Both input are Tensor
>>> cond = Tensor([True, False])
>>> x = Tensor([2,3], mindspore.float32)
>>> y = Tensor([1,2], mindspore.float32)
>>> output = Tensor.select(x, cond, y)
>>> print(output)
[2. 2.]