mindspore.ops.ScatterNdMin

class mindspore.ops.ScatterNdMin(use_locking=False)[源代码]

对张量中的单个值或切片应用稀疏最小值。

使用给定值通过最小值运算和输入索引更新 input_x 的值。为便于使用更新后的值，函数返回 input_x 的副本。

更多参考详见 mindspore.ops.scatter_nd_min() 。

参数：

use_locking (bool，可选) - 是否启用锁保护。默认值： False 。

输入：

input_x (Parameter) - 输入参数，数据类型为Parameter。
indices (Tensor) - 指定最小值操作的索引，数据类型为mindspore.int32或mindspore.int64。索引的rank必须至少为2，并且 indices.shape[-1] <= len(shape) 。
updates (Tensor) - 指定与 input_x 操作的Tensor，数据类型与 input_x 相同，shape为 indices.shape[:-1] + x.shape[indices.shape[-1]:] 。

输出：

Tensor，更新后的 input_x ，shape和数据类型与 input_x 相同。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops, Parameter
>>> input_x = Parameter(Tensor(np.ones(8) * 10, mindspore.float32), name="x")
>>> indices = Tensor(np.array([[2], [4], [1], [7]]), mindspore.int32)
>>> updates = Tensor(np.array([6, 7, 8, 9]), mindspore.float32)
>>> use_locking = False
>>> scatter_nd_min = ops.ScatterNdMin(use_locking)
>>> output = scatter_nd_min(input_x, indices, updates)
>>> print(output)
[10.  8.  6. 10.  7. 10. 10.  9.]
>>> input_x = Parameter(Tensor(np.ones((4, 4, 4)) * 10, mindspore.int32))
>>> indices = Tensor(np.array([[0], [2]]), mindspore.int32)
>>> updates = Tensor(np.array([[[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3], [4, 4, 4, 4]],
...                            [[5, 5, 5, 5], [6, 6, 6, 6], [7, 7, 7, 7], [8, 8, 8, 8]]]), mindspore.int32)
>>> use_locking = False
>>> scatter_nd_min = ops.ScatterNdMin(use_locking)
>>> output = scatter_nd_min(input_x, indices, updates)
>>> print(output)
[[[ 1  1  1  1]
  [ 2  2  2  2]
  [ 3  3  3  3]
  [ 4  4  4  4]]
 [[10 10 10 10]
  [10 10 10 10]
  [10 10 10 10]
  [10 10 10 10]]
 [[ 5  5  5  5]
  [ 6  6  6  6]
  [ 7  7  7  7]
  [ 8  8  8  8]]
 [[10 10 10 10]
  [10 10 10 10]
  [10 10 10 10]
  [10 10 10 10]]]