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]]