mindspore.ops.ScatterUpdate
- class mindspore.ops.ScatterUpdate(use_locking=True)[源代码]
使用给定的更新值和输入索引更新输入Tensor的值。
若 indices 的shape为(i, …, j),则
\[\text{input_x}[\text{indices}[i, ..., j], :]= \text{updates}[i, ..., j, :]\]输入的 input_x 和 updates 遵循隐式类型转换规则,以确保数据类型一致。如果它们具有不同的数据类型,则低精度数据类型将转换为高精度数据类型。当需要转换Parameter的数据类型时,会抛出RuntimeError异常。
参数:
use_locking (bool) - 表示是否使用锁来保护。默认值:True。
输入:
input_x (Parameter) - ScatterUpdate的输入,shape: \((N, *)\) ,其中 \(*\) 表示任意数量的附加维度。
indices (Tensor) - 指定更新操作的索引。数据类型为int32。如果索引中存在重复项,则更新的顺序无法得知。
updates (Tensor) - 指定与 input_x 更新操作的Tensor,其数据类型与 input_x 相同,shape为 indices.shape + input_x.shape[1:] 。
输出:
Tensor,shape和数据类型与输入 input_x 相同。
异常:
TypeError - use_locking 不是bool。
TypeError - indices 不是int32。
ValueError - updates 的shape不等于 indices.shape + input_x.shape[1:] 。
RuntimeError - 当 input_x 和 updates 类型不一致,需要进行类型转换时,如果 updates 不支持转成参数 input_x 需要的数据类型,就会报错。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> np_x = np.array([[-0.1, 0.3, 3.6], [0.4, 0.5, -3.2]]) >>> input_x = mindspore.Parameter(Tensor(np_x, mindspore.float32), name="x") >>> indices = Tensor(np.array([0, 1]), mindspore.int32) >>> np_updates = np.array([[2.0, 1.2, 1.0], [3.0, 1.2, 1.0]]) >>> updates = Tensor(np_updates, mindspore.float32) >>> op = ops.ScatterUpdate() >>> output = op(input_x, indices, updates) >>> print(output) [[2. 1.2 1.] [3. 1.2 1.]]