mindspore.ops.scatter_nd_sub

mindspore.ops.scatter_nd_sub(input_x, indices, updates, use_locking=False)[源代码]

使用给定值通过减法运算和输入索引更新Tensor值。在更新完成后输出 input_x ，这有利于更加方便地使用更新后的值。

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 \((i_0, i_1, ..., i_{Q-2}, x\_shape_N, ..., x\_shape_{P-1})\) 。

参数：

input_x (Parameter) - scatter_nd_sub的输入，任意维度的Parameter。
indices (Tensor) - 指定减法操作的索引，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 相减操作的Tensor，数据类型与输入相同。shape为 indices.shape[:-1] + x.shape[indices.shape[-1]:] 。
use_locking (bool) - 是否启用锁保护。默认值： False 。

返回：

Tensor，shape和数据类型与输入 input_x 相同。

异常：

TypeError - use_locking 的数据类型不是bool。
TypeError - indices 的数据类型不是int32或int64。
TypeError - input_x 和 updates 的数据类型不相同。
ValueError - updates 的shape不等于 indices.shape[:-1] + x.shape[indices.shape[-1]:] 。
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, Parameter
>>> input_x = Parameter(Tensor(np.array([1, 2, 3, 4, 5, 6, 7, 8]), mindspore.float32), name="x")
>>> indices = Tensor(np.array([[2], [4], [1], [7]]), mindspore.int32)
>>> updates = Tensor(np.array([6, 7, 8, 9]), mindspore.float32)
>>> output = ops.scatter_nd_sub(input_x, indices, updates, False)
>>> print(output)
[ 1. -6. -3.  4. -2.  6.  7. -1.]
>>> input_x = Parameter(Tensor(np.zeros((4, 4, 4)), 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)
>>> output = ops.scatter_nd_sub(input_x, indices, updates, False)
>>> print(output)
[[[-1 -1 -1 -1]
  [-2 -2 -2 -2]
  [-3 -3 -3 -3]
  [-4 -4 -4 -4]]
 [[ 0  0  0  0]
  [ 0  0  0  0]
  [ 0  0  0  0]
  [ 0  0  0  0]]
 [[-5 -5 -5 -5]
  [-6 -6 -6 -6]
  [-7 -7 -7 -7]
  [-8 -8 -8 -8]]
 [[ 0  0  0  0]
  [ 0  0  0  0]
  [ 0  0  0  0]
  [ 0  0  0  0]]]