mindspore.ops.tensor_scatter_sub
- 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 ]]