mindspore.ops.tile
- mindspore.ops.tile(input_x, multiples)[源代码]
按照给定的次数复制输入Tensor。
通过复制 multiples 次 input_x 来创建新的Tensor。输出Tensor的第i维度有 input_x.shape[i] * multiples[i] 个元素,并且 input_x 的值沿第i维度被复制 multiples[i] 次。
Note
multiples 的长度必须大于或等于 input_x 的维度。
- 参数:
input_x (Tensor) - 1-D或更高维的Tensor。
multiples (tuple[int]) - 指定复制次数的参数,参数类型为tuple,数据类型为整数。如 \((y_1, y_2, ..., y_S)\) 。 multiples 的长度不能小于 input_x 的维度。只支持常量值。
- 返回:
Tensor,具有与 input_x 相同的数据类型。假设 multiples 的长度为 d ,input_x 的维度为 input_x.dim ,input_x 的shape为 \((x_1, x_2, ..., x_S)\) 。
如果 input_x.dim = d ,将其相应位置的shape相乘,输出的shape为 \((x_1*y_1, x_2*y_2, ..., x_S*y_S)\) 。
如果 input_x.dim < d ,在 input_x 的shape的前面填充1,直到它们的长度一致。例如将 input_x 的shape设置为 \((1, ..., x_1, ..., x_R, x_S)\) ,然后可以将其相应位置的shape相乘,输出的shape为 \((1*y_1, ..., x_R*y_R, x_S*y_S)\) 。
- 异常:
TypeError - multiples 不是tuple或者其元素并非全部是int。
ValueError - multiples 的元素并非全部大于0。
ValueError - multiples 的长度小于 input_x 中的维度。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> input_x = Tensor(np.array([[1, 2], [3, 4]]), mindspore.float32) >>> multiples = (2, 3) >>> output = ops.tile(input_x, multiples) >>> print(output) [[1. 2. 1. 2. 1. 2.] [3. 4. 3. 4. 3. 4.] [1. 2. 1. 2. 1. 2.] [3. 4. 3. 4. 3. 4.]] >>> multiples = (2, 3, 2) >>> output = ops.tile(input_x, multiples) >>> print(output) [[[1. 2. 1. 2.] [3. 4. 3. 4.] [1. 2. 1. 2.] [3. 4. 3. 4.] [1. 2. 1. 2.] [3. 4. 3. 4.]] [[1. 2. 1. 2.] [3. 4. 3. 4.] [1. 2. 1. 2.] [3. 4. 3. 4.] [1. 2. 1. 2.] [3. 4. 3. 4.]]]