mindspore.ops.ParallelConcat
- class mindspore.ops.ParallelConcat[源代码]
根据第一个维度连接输入Tensor。
Concat和ParallelConcat之间的区别在于,Concat要求在操作开始之前需要计算所有的输入,但不要求在构图期间知道输入shape。 ParallelConcat将在输入片段可用时,将其复制到输出中,在某些情况下,这可以提供性能优势。
说明
输入Tensor在第一个维度要求长度为1。
- 输入:
values (tuple, list) - 由Tensor组成的tuple或list。其元素的数据类型和shape必须相同,且每个Tensor的rank不能小于1。CPU上支持数据类型为数值型,Ascend上支持数据类型为除去[float64, complex64, complex128]三种数据类型外的数值型。
- 输出:
Tensor,数据类型与 values 相同。
- 异常:
TypeError - 如果输入不是Tensor。
TypeError - 如果 values 中各个Tensor的数据类型和shape不相同。
ValueError - 如果任意一个输入Tensor的shape第一维长度不是1。
ValueError - 如果 values 中的Tensor的秩小于1。
ValueError - 如果输入各Tensor的shape不一致。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import numpy as np >>> from mindspore import Tensor, ops >>> data1 = Tensor(np.array([[0, 1]]).astype(np.int32)) >>> data2 = Tensor(np.array([[2, 1]]).astype(np.int32)) >>> op = ops.ParallelConcat() >>> output = op((data1, data2)) >>> print(output) [[0 1] [2 1]]