mindspore.ops.tensor_scatter_sub

查看源文件
mindspore.ops.tensor_scatter_sub(input_x, indices, updates)[源代码]

根据指定的更新值和输入索引，通过减法进行运算，将结果赋值到输出Tensor中。当同一索引有不同值时，更新的结果将是所有值的总和。此操作几乎等同于使用 mindspore.ops.ScatterNdSub ，只是更新后的结果是通过算子output返回，而不是直接原地更新input。

indices 的最后一个轴是每个索引向量的深度。对于每个索引向量， updates 中必须有相应的值。 updates 的shape应该等于 input_x[indices] 的shape。有关更多详细信息，请参见样例。

说明

如果 indices 中的值超出输入 input_x 索引范围：GPU平台上相应的 updates 不会更新到 input_x 且不会抛出索引错误；CPU平台上直接抛出索引错误；Ascend平台不支持越界检查，若越界可能会造成未知错误。

\[output[indices] = input\_x - update\]
参数：

  • input_x (Tensor) - 输入Tensor。 input_x 的维度必须不小于 indices.shape[-1] 。

  • indices (Tensor) - input_x 执行scatter操作的目标索引，数据类型为int32或int64，rank必须大于等于2。

  • updates (Tensor) - 指定与 input_x 相减操作的Tensor，其数据类型与 input_x 相同。并且shape应等于 \(indices.shape[:-1] + input\_x.shape[indices.shape[-1]:]\) 。

返回：

Tensor，shape和数据类型与输入 input_x 相同。

异常：

  • TypeError - indices 的数据类型不满足int32或int64。

  • ValueError - input_x 的rank小于 indices.shape的最后一维。

  • RuntimeError - indices 中的值超出了 input_x 的索引范围。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor
>>> from mindspore import ops
>>> input_x = Tensor(np.array([[-0.1, 0.3, 3.6], [0.4, 0.5, -3.2]]), mindspore.float32)
>>> indices = Tensor(np.array([[0, 0], [0, 0]]), mindspore.int32)
>>> updates = Tensor(np.array([1.0, 2.2]), mindspore.float32)
>>> output = ops.tensor_scatter_sub(input_x, indices, updates)
>>> print(output)
[[-3.3000002  0.3        3.6      ]
 [ 0.4        0.5       -3.2      ]]