mindspore.ops.add

mindspore.ops.add(x, y)[源代码]

两个输入Tensor逐元素相加。

\[out_{i} = x_{i} + y_{i}\]

Note

  • 输入 x 和 y 遵循 隐式类型转换规则 ，使数据类型保持一致。

  • 输入必须是两个Tensor，或一个Tensor和一个Scalar。

  • 当输入是两个Tensor时，它们的数据类型不能同时是bool，并保证其shape可以广播。

  • 当输入是一个Tensor和一个Scalar时，Scalar只能是一个常数。

参数：

  • x (Union[Tensor, number.Number, bool]) - 第一个输入，是一个number.Number、bool值或数据类型为 number 或 bool_ 的Tensor。

  • y (Union[Tensor, number.Number, bool]) - 第二个输入，当第一个输入是Tensor时，第二个输入应该是一个number.Number或bool值，或数据类型为number或bool_的Tensor。当第一个输入是Scalar时，第二个输入必须是数据类型为number或bool_的Tensor。

返回：

Tensor，shape与输入 x，y 广播后的shape相同，数据类型为两个输入中精度较高的类型。

异常：

  • TypeError - x 和 y 不是Tensor、number.Number或bool。

支持平台：

Ascend GPU CPU

样例：

>>> # case 1: x and y are both Tensor.
>>> x = Tensor(np.array([1, 2, 3]).astype(np.float32))
>>> y = Tensor(np.array([4, 5, 6]).astype(np.float32))
>>> output = ops.add(x, y)
>>> print(output)
[5. 7. 9.]
>>> # case 2: x is a scalar and y is a Tensor
>>> x = Tensor(1, mindspore.int32)
>>> y = Tensor(np.array([4, 5, 6]).astype(np.float32))
>>> output = ops.add(x, y)
>>> print(output)
[5. 6. 7.]
>>> # the data type of x is int32, the data type of y is float32,
>>> # and the output is the data format of higher precision float32.
>>> print(output.dtype)
Float32