mindspore.ops.diff

mindspore.ops.diff(x, n=1, axis=- 1, prepend=None, append=None)[源代码]

按指定轴计算输入tensor的n阶前向差分。

一阶差分的计算公式为： $o u t [i] = x [i + 1] - x [i]$ 。高阶差分通过递归调用 mindspore.ops.diff() 实现。

说明

不支持空Tensor, 如果传入了空Tensor，会出现ValueError。空Tensor指的是，Tensor的任意一维为零。比如shape为 $(0,)$ ， $(1, 2, 0, 4)$ 的Tensor都为空Tensor。

参数：

x (Tensor) - 输入tensor。
n (int，可选) - 计算差分的阶数，目前只支持 1。默认 1 。
axis (int，可选) - 计算差分的轴。默认 -1 。
prepend (Tensor，可选) - 在计算差分之前，沿 axis 添加到 x 之前的值。它们的维度和必须与输入的维度相同，除维度 axis 外，其余维度的形状必须与输入张量一致。默认 None 。
append (Tensor，可选) - 在计算差分之前，沿 axis 添加到 x 之后的值。它们的维度必须与输入的维度相同，除维度 axis 外，其余维度的形状必须与输入张量一致。默认 None 。

返回：

一个数据类型与 x 相同，shape与 x 相比在第 axis 维上缩小 n 的tensor。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> x = mindspore.tensor([1, 3, 2])
>>> # case 1: By default, compute the first-order differences along axis -1.
>>> mindspore.ops.diff(x)
Tensor(shape=[2], dtype=Int64, value= [ 2, -1])
>>>
>>> # case 2: When argument prepend is setting:
>>> n = mindspore.tensor([4, 5])
>>> mindspore.ops.diff(x, prepend=n)
Tensor(shape=[4], dtype=Int64, value= [ 1, -4,  2, -1])
>>>
>>> # case 3: When argument append is setting:
>>> mindspore.ops.diff(x, append=n)
Tensor(shape=[4], dtype=Int64, value= [ 2, -1,  2,  1])
>>>
>>> # case 4: When input is 2-D dimensional tensor, compute forward difference along different axis.
>>> x = mindspore.tensor([[1, 2, 3], [3, 4, 5]])
>>> mindspore.ops.diff(x, axis=0)
Tensor(shape=[1, 3], dtype=Int64, value=
[[2, 2, 2]])
>>> mindspore.ops.diff(x, axis=1)
Tensor(shape=[2, 2], dtype=Int64, value=
[[1, 1],
 [1, 1]])