mindspore.mint.xlogy

mindspore.mint.xlogy(input, other)[源代码]

计算第一个输入乘以第二个输入的对数。当 input 为零时，则返回零。

\[out_i = input_{i}\log{other_{i}}\]

input 和 other 的输入遵循隐式类型转换规则，使数据类型一致。输入必须是两个Tensor或一个Tensor和一个Scalar。当输入是两个Tensor时，它们的shape可以广播。

参数：

input (Union[Tensor, numbers.Number, bool]) - 第一个输入为数值型、bool或数据类型为 number 或 bool_ 的Tensor。
other (Union[Tensor, numbers.Number, bool]) - 第二个输入为数值型、bool或数据类型为数值型或bool的Tensor。当第一个输入是Tensor时，则第二个输入是数值型、bool或数据类型为数值型或bool的Tensor。当第一个输入是Scalar时，则第二个输入必须是数据类型为数值型或bool的Tensor。

返回：

Tensor，shape与广播后的shape相同，数据类型为两个输入中精度较高或数值较高的类型。

异常：

TypeError - 如果 input 和 other 不是数值型、bool或Tensor。
ValueError - 如果 input 不能广播到与 other 的shape一致。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, mint
>>> input = Tensor(np.array([-5, 0, 4]), mindspore.float32)
>>> other = Tensor(np.array([2, 2, 2]), mindspore.float32)
>>> output = mint.xlogy(input, other)
>>> print(output)
[-3.465736   0.        2.7725887]