mindspore.Tensor.lerp
- mindspore.Tensor.lerp(end, weight)[源代码]
基于某个浮点数Scalar或权重Tensor的值,计算当前Tensor和 end Tensor之间的线性插值。
如果参数 weight 是一个Tensor,那么另两个输入的维度信息可以被广播到当前Tensor。 如果参数 weight 是一个Scalar,那么 end 的维度信息可以被广播到当前Tensor。
- 参数:
end (Tensor) - 进行线性插值的Tensor结束点。数据类型必须为float16或者float32。
weight (Union[float, Tensor]) - 线性插值公式的权重参数。当为Scalar时,其数据类型为float,当为Tensor时,其数据类型为float16或者float32。
- 返回:
返回新的Tensor,其数据类型和维度必须和输入中的当前Tensor保持一致。
- 异常:
TypeError - 如果 end 不是Tensor。
TypeError - 如果 weight 不是float类型Scalar或者Tensor。
TypeError - 如果 end 的数据类型不是float16或者float32。
TypeError - 如果 weight 为Tensor且 weight 不是float16或者float32。
TypeError - 如果当前Tensor和 end 的数据类型不一致。
TypeError - 如果 weight 为Tensor且 end 、 weight 和当前Tensor数据类型不一致。
ValueError - 如果 end 的维度信息无法相互广播到当前Tensor。
ValueError - 如果 weight 为Tensor且 weight 的维度信息无法广播到当前Tensor。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> start = Tensor(np.array([1., 2., 3., 4.]), mindspore.float32) >>> end = Tensor(np.array([10., 10., 10., 10.]), mindspore.float32) >>> output = start.lerp( end, 0.5) >>> print(output) [5.5 6. 6.5 7. ]