mindspore.mint.logsumexp

mindspore.mint.logsumexp(input, dim, keepdim=False)

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。

\[logsumexp(input) = \log(\sum(e^{input-input_{max}})) + input_{max}\]

警告

这是一个实验性API，后续可能修改或删除。

参数：

• input (Tensor) - 输入Tensor。

• dim (Union[int, tuple(int), list(int)], 可选) - 需要规约的维度（数值在 [0, len(input.shape) - 1] 之间），输入为 () 时规约所有维度。

• keepdim (bool, 可选) - 输出张量是否保留维度 dim，默认值： False。

返回：

Tensor，数据类型dtype根据 input.dtype 变化，shape根据输入 dim 和 keepdim 的数值而变化。

• 如果 input.dtype 为 [float16, float32, bfloat16]，输出数据类型dtype与输入 input.dtype 相同。

• 如果 input.dtype 为整数或布尔类型，输出数据类型dtype为float32。

• 如果 dim 为 ()，并且 keepdim 为 False，则输出为一个零维Tensor，表示输入 input 中所有元素指数和的对数。

• 如果 dim 为 1，并且 keepdim 为 False，则输出shape为 \((input.shape[0], input.shape[2], ..., input.shape[n])\)。

• 如果 dim 为 (1, 2)，并且 keepdim 为 False， 则输出shape为 \((input.shape[0], input.shape[3], ..., input.shape[n])\)。

异常：

• TypeError - input 不是Tensor。

• TypeError - input 的数据类型不是bool、int8、int16、int32、int64、uint8、float16、float32、bfloat16之一。

• TypeError - dim 不是int或tuple(int)或list(int)。

• TypeError - keepdim 不是bool类型。

• ValueError - dim 中任意元素的数值不在 [0, len(input.shape) - 1] 之间。

• RuntimeError - dim 中任意元素重复。

支持平台：

Ascend

样例：

>>> import numpy as np
>>> from mindspore import Tensor, mint
>>> x = Tensor(np.random.randn(3, 4, 5, 6).astype(np.float32))
>>> output = mint.logsumexp(x, 1, keep_dims=True)
>>> print(output.shape)
(3, 1, 5, 6)