mindspore.ops.tensor_scatter_sub

mindspore.ops.tensor_scatter_sub(input_x, indices, updates)[源代码]

根据指定的更新值和输入索引,通过减法进行运算,将结果赋值到输出Tensor中。当同一索引有不同值时,更新的结果将是所有值的总和。此操作几乎等同于使用 mindspore.ops.ScatterNdSub ,只是更新后的结果是通过算子output返回,而不是直接原地更新input。

indices 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,请参见使用用例。

Note

GPU平台上,如果 indices 的某些值超出范围,则相应的 updates 不会更新到 input_x ,而不是抛出索引错误;CPU平台上直接抛出索引错误;Ascend平台不支持越界检查,若越界可能会造成未知错误。

参数:

  • input_x (Tensor) - 输入Tensor。 input_x 的维度必须不小于 indices.shape[-1]

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

  • updates (Tensor) - 指定与 input_x 相减操作的Tensor,其数据类型与输入相同。 updates.shape 应等于 indices.shape[:-1] + input_x.shape[indices.shape[-1]:]

返回:

Tensor,shape和数据类型与输入 input_x 相同。

异常:

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

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

支持平台:

Ascend GPU CPU

样例:

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor
>>> from mindspore import ops
>>> 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)
>>> output = ops.tensor_scatter_sub(input_x, indices, updates)
>>> print(output)
[[-3.3000002  0.3        3.6      ]
 [ 0.4        0.5       -3.2      ]]