文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.tensor_dot

mindspore.ops.tensor_dot(x1, x2, axes)

在指定轴上对Tensor a 和 b 进行点乘操作。

点乘操作可以在指定轴上计算 a 和 b 元素的乘积和。轴数量必须由x1和x2指定，并且该值必须在 a 和 b 的维度数量的范围内。

两个输入中选定的维度必须相互匹配。

axes = 0为外积。axes = 1为普通矩阵乘法（输入是2维的）。axes = 1与axes = ((1,),(0,))相同，其中 a 和 b 都是2维的。axes = 2与axes = ((1,2),(0,1))相同，其中 a 和 b 都是3维的。

参数：

• x1 (Tensor) - tensor_dot的第一个输入Tensor，其数据类型为float16或float32。

• x2 (Tensor) - tensor_dot的第二个输入Tensor，其数据类型为float16或float32。

• axes (Union[int, tuple(int), tuple(tuple(int)), list(list(int))]) - 指定 a 和 b 计算轴，可为单个值，也可为长度为2的tuple或list。如果传递了单个值 N ，则自动从输入 a 的shape中获取最后N个维度，从输入 b 的shape中获取前N个维度，分别作为每个维度的轴。

返回：

Tensor，输出Tensor的shape为 $(N+M)$ 。其中 $N$ 和 $M$ 在两个输入中没有计算，是自由轴。

异常：

• TypeError - x1 或 x2 不是Tensor。

• TypeError - axes 不是int、tuple或list。

支持平台：

Ascend GPU CPU

样例：

>>> from mindspore import Tensor, ops
>>> import mindspore
>>> import numpy as np
>>> input_x1 = Tensor(np.ones(shape=[1, 2, 3]), mindspore.float32)
>>> input_x2 = Tensor(np.ones(shape=[3, 1, 2]), mindspore.float32)
>>> output = ops.tensor_dot(input_x1, input_x2, ((0,1),(1,2)))
>>> print(output)
[[2. 2. 2]
 [2. 2. 2]
 [2. 2. 2]]