mindspore.ops.ScatterNdUpdate
- class mindspore.ops.ScatterNdUpdate(use_locking=True)[源代码]
使用给定值以及输入索引更新输入数据的值。
input_x 的rank为P,而 indices 的rank为Q, Q >= 2 。
indices 的shape为 \((i_0, i_1, ..., i_{Q-2}, N)\) , N <= P 。
indices 的最后一个维度(长度为 N )表示沿着 input_x 的 N 个维度进行切片。
updates 表示rank为 Q-1+P-N 的Tensor,shape为 \((i_0, i_1, ..., i_{Q-2}, x\_shape_N, ..., x\_shape_{P-1})\) 。
输入的 input_x 和 updates 遵循隐式类型转换规则,以确保数据类型一致。如果数据类型不同,则低优先级数据类型将转换为相对最高优先级的数据类型。当需要参数的数据类型转换时,会抛出RuntimeError异常。
- 参数:
use_locking (bool) - 是否启用锁保护。默认值:
True
。
- 输入:
input_x (Parameter) - ScatterNdUpdate的输入,任意维度的Parameter。其shape为 \((N, *)\) ,其中 \(*\) 为任意数量的额外维度。
indices (Tensor) - 指定更新操作的索引,数据类型为int32或者int64。
updates (Tensor) - 指定与 input_x 更新操作的Tensor,类型与输入相同。shape为 indices.shape[:-1] + x.shape[indices.shape[-1]:] 。
- 输出:
Tensor,shape和数据类型与输入 input_x 相同。
- 异常:
TypeError - use_locking 不是bool。
TypeError - indices 不是int32或者int64。
RuntimeError - 当 input_x 和 updates 类型不一致,需要进行类型转换时,如果 updates 不支持转成参数 input_x 需要的数据类型,就会报错。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import mindspore >>> import numpy as np >>> from mindspore import Tensor, ops >>> np_x = np.array([[-0.1, 0.3, 3.6], [0.4, 0.5, -3.2]]) >>> input_x = mindspore.Parameter(Tensor(np_x, mindspore.float32), name="x") >>> indices = Tensor(np.array([[0, 0], [1, 1]]), mindspore.int32) >>> updates = Tensor(np.array([1.0, 2.2]), mindspore.float32) >>> op = ops.ScatterNdUpdate() >>> output = op(input_x, indices, updates) >>> print(output) [[1. 0.3 3.6] [0.4 2.2 -3.2]]