mindspore.Tensor.scatter_max

mindspore.Tensor.scatter_max(indices, updates)

根据指定的更新值和输入索引，通过最大值运算，输出结果以Tensor形式返回。

索引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，请参见下方样例。

Note

如果 indices 的某些值超出范围，则不会更新相应的 updates，同时也不会抛出索引错误。

参数：

• indices (Tensor) - Tensor的索引，数据类型为int32或int64的。其rank必须至少为2。

• updates (Tensor) - 指定与本Tensor做最大值运算的Tensor，其数据类型与该Tensor相同。 updates.shape 应等于 indices.shape[:-1] + self.shape[indices.shape[-1]:]。

返回：

Tensor，shape和数据类型与原Tensor相同。

异常：

• TypeError - indices 的数据类型既不是int32，也不是int64。

• ValueError - Tensor的shape长度小于 indices 的shape的最后一个维度。

支持平台：

GPU CPU

样例：

>>> 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)
>>> # Next, demonstrate the approximate operation process of this operator:
>>> # 1, indices[0] = [0, 0], indices[1] = [0, 0]
>>> # 2, And input_x[0, 0] = -0.1
>>> # 3, So input_x[indices] = [-0.1, -0.1]
>>> # 4, Satisfy the above formula: input_x[indices].shape=(2) == updates.shape=(2)
>>> op = ops.TensorScatterMax()
>>> # 5, Perform the max operation for the first time:
>>> #      first_input_x = Max(input_x[0][0], updates[0]) = [[1.0, 0.3, 3.6], [0.4, 0.5, -3.2]]
>>> # 6, Perform the max operation for the second time:
>>> #      second_input_x = Max(input_x[0][0], updates[1]) = [[2.2, 0.3, 3.6], [0.4, 0.5, -3.2]]
>>> output = op(input_x, indices, updates)
>>> print(output)
[[ 2.2  0.3  3.6]
[ 0.4  0.5 -3.2]]