mindspore.ops.xlogy

mindspore.ops.xlogy(x, y)[源代码]

计算第一个输入Tensor乘以第二个输入Tensor的对数。当 x 为零时，则返回零。

\[out_i = x_{i}\ln{y_{i}}\]

x 和 y 的输入遵循隐式类型转换规则，使数据类型一致。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的，它们的shape可以广播。当输入是一个Tensor和一个Scalar时，Scalar只能是一个常量。

Warning

  • 在Ascend上， x 和 y 必须为float16或float32。

参数：

  • x (Union[Tensor, number.Number, bool]) - 第一个输入为数值型。数据类型为 number 或 bool_ 。

  • y (Union[Tensor, number.Number, bool]) - 第二个输入为数值型。当第一个输入是Tensor或数据类型为数值型或bool的Tensor时， 则第二个输入是数值型或bool。当第一个输入是Scalar时，则第二个输入必须是数据类型为数值型或bool的Tensor。

返回：

Tensor，shape与广播后的shape相同，数据类型为两个输入中精度较高或数数值较高的类型。

异常：

  • TypeError - 如果 x 和 y 不是数值型、bool或Tensor。

  • TypeError - 如果 x 和 y 的数据类型不是float16、float32、float64、complex64或complex128。

  • ValueError - 如果 x 不能广播到与 y 的shape一致。

支持平台：

Ascend CPU

样例：

>>> x = Tensor(np.array([-5, 0, 4]), mindspore.float32)
>>> y = Tensor(np.array([2, 2, 2]), mindspore.float32)
>>> output = ops.xlogy(x, y)
>>> print(output)
[-3.465736   0.        2.7725887]