mindspore.ops.primitive
可用于Cell的构造函数的算子。
import mindspore.ops as ops
MindSpore中 mindspore.ops.primitive 接口与上一版本相比，新增、删除和支持平台的变化信息请参考 API Updates 。
算子原语
Primitive是Python中算子原语的基类。 |
|
PrimitiveWithCheck是Python中原语的基类，定义了检查算子输入参数的函数，但是使用了C++源码中注册的推理方法。 |
|
PrimitiveWithInfer是Python中的原语基类，在python中定义了跟踪推理的函数。 |
装饰器
创建PrimiveWithInfer算子，用于在编译时推断值。 |
|
装饰器，用于将注册信息绑定到： |
|
用于MindSpore Hybrid DSL函数书写的装饰器。 |
|
用于注册算子的装饰器。 |
|
Primitive属性的注册器。 |
神经网络层算子
神经网络
接口名 |
概述 |
支持平台 |
对输入的多维数据进行二维平均池化运算。 |
|
|
对输入的多维数据进行三维的平均池化运算。 |
|
|
对输入数据进行归一化(Batch Normalization)和更新参数。 |
|
|
二维卷积层。 |
|
|
计算二维转置卷积，也称为反卷积，实际不是真正的反卷积。 |
|
|
三维卷积操作。 |
|
|
计算三维转置卷积，也称为反卷积（实际不是真正的反卷积）。 |
|
|
对输入中给定的logits执行贪婪解码。 |
|
|
将输入按从 src_format 到 dst_format 的变化重新排列。 |
|
|
Dropout是一种正则化手段，通过在训练中以 \(1 - keep\_prob\) 的概率随机将神经元输出设置为0，起到减少神经元相关性的作用，避免过拟合。 |
|
|
在训练期间，根据概率 \(1-keep\_prob\) ，随机的将一些通道设置为0，且服从伯努利分布。 |
|
|
在训练期间，以服从伯努利分布的概率 \(1-keep\_prob\) 随机将输入Tensor的某些通道归零。 |
|
|
为输入序列应用一个单层GRU(gated recurrent unit)。 |
|
|
将循环神经网络应用到输入上。 |
|
|
根据指定的索引，返回输入Tensor的切片。 |
|
|
扁平化（Flatten）输入Tensor，不改变0轴的size。 |
|
|
在输入上执行分数平均池化。 |
|
|
在输入上执行分数最大池化。 |
|
|
在输入Tensor上应用层归一化（Layer Normalization）。 |
|
|
局部响应归一化操作LRN(Local Response Normalization)。 |
|
|
对输入执行长短期记忆（LSTM）网络。 |
|
|
对输入的多维数据进行二维的最大池化运算。 |
|
|
对输入的多维数据进行三维的最大池化运算。 |
|
|
三维最大值池化，返回最大值结果及其索引值。 |
|
|
对输入Tensor执行最大池化运算，并返回最大值和索引。 |
|
|
计算MaxPool2D的部分逆。 |
|
|
通过指定的填充模式和大小对输入Tensor进行填充。 |
|
|
根据参数 paddings 对输入进行填充。 |
|
|
将输入Tensor的最后一个维度从1扩展到 pad_dim_size ，其填充值为0。 |
|
|
使用双线性插值调整图像大小到指定的大小。 |
|
|
使用最近邻插值算法调整输入Tensor为指定大小。 |
|
|
执行最近邻上采样操作。 |
|
|
输入为五维度Tensor，跨其中三维执行三线性插值上调采样。 |
|
损失函数
接口名 |
概述 |
支持平台 |
输入经过sigmoid激活函数后作为预测值，BCEWithLogitsLoss 计算预测值和目标值之间的二值交叉熵损失。 |
|
|
计算目标值和预测值之间的二值交叉熵损失值。 |
|
|
计算CTC(Connectionist Temporal Classification)损失和梯度。 |
|
|
计算输入 logits 和 labels 的KL散度。 |
|
|
用于计算L2范数的一半，但不对结果进行开方操作。 |
|
|
二维卷积层。 |
|
|
获取预测值和目标值之间的负对数似然损失。 |
|
|
计算相对于softmax输出的RNNTLoss及其梯度。 |
|
|
计算预测值与真实值之间的sigmoid交叉熵。 |
|
|
计算平滑L1损失，该L1损失函数有稳健性。 |
|
|
SoftMarginLoss操作。 |
|
|
使用one-hot编码获取预测值和真实之间的softmax交叉熵。 |
|
|
计算预测值和标签之间的稀疏softmax交叉熵。 |
|
激活函数
接口名 |
概述 |
支持平台 |
指数线性单元激活函数（Exponential Linear Unit activation function）。 |
|
|
快速高斯误差线性单元激活函数。 |
|
|
高斯误差线性单元激活函数（Gaussian Error Linear Units activation function）。 |
|
|
Hard Shrink激活函数。 |
|
|
分段性逼近激活函数。 |
|
|
Hard Swish激活函数。 |
|
|
LogSoftmax激活函数。 |
|
|
逐元素计算输入Tensor的MISH（Self Regularized Non-Monotonic Neural Activation Function 自正则化非单调神经激活函数）。 |
|
|
带参数的线性修正单元激活函数（Parametric Rectified Linear Unit activation function）。 |
|
|
线性修正单元激活函数（Rectified Linear Unit）。 |
|
|
计算输入Tensor的ReLU（矫正线性单元），其上限为6。 |
|
|
激活函数SeLU（Scaled exponential Linear Unit）。 |
|
|
Sigmoid激活函数，逐元素计算Sigmoid激活函数。 |
|
|
在指定轴上使用Softmax函数做归一化操作。 |
|
|
Softplus激活函数。 |
|
|
Soft Shrink激活函数。 |
|
|
Softsign激活函数。 |
|
|
逐元素计算输入元素的双曲正切。 |
|
优化器
接口名 |
概述 |
支持平台 |
通过Adam算法更新梯度。 |
|
|
通过具有权重衰减的自适应矩估计算法（AdamWeightDecay）更新梯度。 |
|
|
二维自适应平均池化。 |
|
|
三维自适应最大值池化。 |
|
|
根据Adadelta算法更新相关参数。 |
|
|
根据Adagrad算法更新相关参数。 |
|
|
根据Adagrad算法更新 var 。 |
|
|
根据Adagrad算法更新相关参数。 |
|
|
根据AdaMax算法更新相关参数。 |
|
|
根据AddSign算法更新相关参数。 |
|
|
居中RMSProp算法优化器。 |
|
|
根据FTRL算法更新相关参数。 |
|
|
通过从 var 中减去 alpha * delta 来更新 var 。 |
|
|
使用动量算法的优化器。 |
|
|
根据AddSign算法更新相关参数。 |
|
|
根据Proximal Adagrad算法更新网络参数。 |
|
|
根据FOBOS(Forward Backward Splitting)算法更新网络参数。 |
|
|
实现均方根传播Root Mean Square prop(RMSProp)算法的优化器。 |
|
|
对梯度的平方和应用LARS(layer-wise adaptive rate scaling)算法。 |
|
|
根据Adagrad算法更新相关参数。 |
|
|
根据Proximal Adagrad算法更新网络参数。 |
|
|
计算随机梯度下降。 |
|
|
根据FTRL-proximal算法更新相关参数。 |
|
|
根据FTRL-proximal算法更新相关参数。 |
|
距离函数
接口名 |
概述 |
支持平台 |
计算两个Tensor的p-范数距离。 |
|
|
计算Levenshtein编辑距离。 |
|
|
返回输入Tensor的矩阵范数或向量范数。 |
|
采样算子
接口名 |
概述 |
支持平台 |
计算与目标类完全匹配的抽样样本的位置id。 |
|
|
使用log-uniform(Zipfian)分布对一组类别进行采样。 |
|
|
使用均匀分布对一组类别进行采样。 |
|
|
执行最近邻上采样操作。 |
|
图像处理
接口名 |
概述 |
支持平台 |
调整 RGB 图像的色调。 |
|
|
解码边界框位置信息。 |
|
|
编码边界框位置信息。 |
|
|
检查边界框。 |
|
|
根据分数降序，使用非极大抑制法通过遍历所有可能的边界框（Bounding Box）来选择一个最优的结果。 |
|
|
从输入图像Tensor中提取切片并调整其大小。 |
|
|
从输入图像Tensor中提取glimpse，并返回一个窗口。 |
|
|
从输入中提取数据，并将它放入"depth"输出维度中，"depth"为输出的第二维。 |
|
|
将一个或多个图像从HSV转换为RGB。 |
|
|
计算矩形的IOU，即真实区域和预测区域的交并比。 |
|
|
L2范数归一化算子。 |
|
|
非极大值抑制算法（NMS, Non-maximum Suppression）。 |
|
|
将一张或多张图片由RGB格式转换为HSV格式。 |
|
|
感兴趣区域对齐(RoI Align)运算。 |
|
|
为图像生成单个随机扭曲的边界框。 |
|
|
根缩放并平移输入图像Tensor。 |
|
文本处理
接口名 |
概述 |
支持平台 |
n-grams出现重复，则更新对应n-gram词序列出现的概率。 |
|
数学运算算子
接口名 |
概述 |
支持平台 |
逐元素计算输入数据的BesselJ0函数值。 |
|
|
逐元素计算输入数据的BesselJ1函数值。 |
|
|
逐元素计算输入数据的BesselK0函数值。 |
|
|
逐元素计算输入数据的BesselK0e函数值。 |
|
|
逐元素计算输入数据的BesselK1函数值。 |
|
|
逐元素计算输入数据的BesselK1e函数值。 |
|
|
逐元素计算输入数据的BesselY0函数值。 |
|
|
逐元素计算输入数据的BesselY1函数值。 |
|
|
计算正则化不完全beta积分 \(I_{x}(a, b)\)。 |
|
|
计算整数数组中每个值的出现次数。 |
|
|
根据 boundaries 对 input 进行桶化。 |
|
|
比较 x 和 threshold 的值（ x > threshold ），并将比较结果作为二进制数转换为uint8格式。 |
|
|
给定复数的实部与虚部，返回一个复数的Tensor。 |
|
|
逐元素计算输入Tensor的最大公约数。 |
|
逐元素运算
接口名 |
概述 |
支持平台 |
逐元素计算输入Tensor的绝对值。 |
|
|
逐元素将所有输入的Tensor相加。 |
|
|
逐元素计算输入Tensor的反余弦。 |
|
|
逐元素计算输入Tensor的反双曲余弦。 |
|
|
两个输入Tensor逐元素相加。 |
|
|
执行Tensor x1 与Tensor x2 的逐元素除法，将结果乘以标量值 value ，并将其添加到 input_data 中。 |
|
|
执行Tensor x1 与Tensor x2 的逐元素乘积，将结果乘以标量值 value ，并将其添加到 input_data 中。 |
|
|
逐元素将所有输入的Tensor相加。 |
|
|
逐元素计算输入Tensor的反正弦值。 |
|
|
逐元素计算输入Tensor的反双曲正弦值。 |
|
|
逐元素计算输入Tensor的反正切值。 |
|
|
逐元素计算x/y的反正切值。 |
|
|
逐元素计算输入Tensor的反双曲正切值。 |
|
|
逐元素计算输入数据的BesselI0e函数值。 |
|
|
逐元素计算输入数据的BesselI1e函数值。 |
|
|
逐元素执行两个Tensor的与运算。 |
|
|
逐元素执行两个Tensor的或运算。 |
|
|
逐元素执行两个Tensor的异或运算。 |
|
|
向上取整函数。 |
|
|
返回输入张量的共轭。 |
|
|
逐元素计算输入数据的余弦。 |
|
|
逐元素计算输入数据的双曲余弦。 |
|
|
逐元素计算第一输入Tensor除以第二输入Tensor的商。 |
|
|
对 x1 和 x2 逐元素执行安全除法，如果 x2 的元素为0，则返回0。 |
|
|
此算子使用爱因斯坦求和约定（Einsum）进行Tensor计算。 |
|
|
逐元素计算 x 的高斯误差函数。 |
|
|
逐元素计算 x 的互补误差函数。 |
|
|
计算输入Tensor的逆误差函数。 |
|
|
逐元素计算输入Tensor的指数。 |
|
|
返回Tensor元素的指数，然后减去1。 |
|
|
向下取整函数。 |
|
|
将第一个输入Tensor除以第二个输入Tensor，并向下取整。 |
|
|
将第一个输入Tensor除以第二个输入Tensor，并向下取余。 |
|
|
返回包含输入Tensor的虚部。 |
|
|
按元素计算输入Tensor的倒数。 |
|
|
翻转输入Tensor的所有元素。 |
|
|
基于权重参数计算两个Tensor之间的线性插值。 |
|
|
逐元素返回Tensor的自然对数。 |
|
|
对输入Tensor逐元素加一后计算自然对数。 |
|
|
逐元素计算两个Tensor的逻辑与运算。 |
|
|
逐元素计算两个Tensor的逻辑非运算。 |
|
|
逐元素计算两个Tensor的逻辑或运算。 |
|
|
将第一个输入Tensor逐元素除以第二个输入Tensor，并取余。 |
|
|
两个Tensor逐元素相乘。 |
|
|
逐元素计算输入乘积。 |
|
|
计算输入x的相反数并返回。 |
|
|
逐元素返回 x1 指向 x2 的下一个可表示值符点值。 |
|
|
计算 x 中每个元素的 y 次幂。 |
|
|
返回输入Tensor的实数部分。 |
|
|
第一个输入Tensor元素为分子，第二个输入Tensor元素为分母，逐元素进行浮点型除法运算。 |
|
|
返回输入Tensor的倒数。 |
|
|
逐元素计算最接近输入数据的整数。 |
|
|
逐元素返回Tensor最接近的整数值。 |
|
|
逐元素计算输入Tensor平方根的倒数。 |
|
|
符号函数，计算输入Tensor元素的执行符号。 |
|
|
逐元素计算输入Tensor的正弦。 |
|
|
逐元素计算输入Tensor的双曲正弦。 |
|
|
逐元素计算输入Tensor的平方根。 |
|
|
计算输入Tensor的平方。 |
|
|
第一个输入Tensor元素中减去第二个输入Tensor，并返回其平方。 |
|
|
计算输入Tensor的平方和。 |
|
|
逐元素用第一个输入Tensor减去第二个输入Tensor。 |
|
|
逐元素计算输入元素的正切值。 |
|
|
返回一个新的张量，该张量具有输入元素的截断整数值。 |
|
|
对于整数类型，将第一个输入Tensor与第二个输入Tensor逐元素相除，结果将向0取整。 |
|
|
逐元素取模。 |
|
|
将第一个输入Tensor除以第二个输入Tensor。 |
|
|
计算第一个输入Tensor乘以第二个输入Tensor的对数。 |
|
Reduction算子
接口名 |
概述 |
支持平台 |
返回输入Tensor在指定轴上的最大值索引。 |
|
|
在给定轴上计算输入Tensor的最大值，并且返回最大值和索引。 |
|
|
返回输入Tensor在指定轴上的最小值索引。 |
|
|
在给定轴上计算输入Tensor的最小值，并且返回最小值和索引。 |
|
|
计算Tensor维度上元素的欧几里得范数，根据给定的轴对输入进行规约操作。 |
|
|
默认情况下，通过对指定维度所有元素进行逻辑与运算以移除该维度。 |
|
|
默认情况下，通过对指定维度所有元素进行逻辑或运算来移除该维度。 |
|
|
默认情况下，使用指定维度的最大值代替该维度的其他元素，以移除该维度。 |
|
|
默认情况下，使用指定维度的平均值代替该维度的其他元素，以移除该维度。 |
|
|
默认情况下，使用指定维度的最小值代替该维度的其他元素，以移除该维度。 |
|
|
默认情况下，使用指定维度所有元素的乘积代替该维度的其他元素，以移除该维度。 |
|
|
返回输入Tensor在 axis 维上每一行的标准差和均值。 |
|
|
默认情况下，输出Tensor各维度上的和，以达到对所有维度进行归约的目的。 |
|
比较算子
接口名 |
概述 |
支持平台 |
逐元素计算abs(x-y)，如果小于tolerance则为True，否则为False。 |
|
|
逐元素比较两个输入Tensor是否相等。 |
|
|
计算两个Tensor的相同元素的数量。 |
|
|
按元素比较输入参数 \(x,y\) 的值，输出结果为bool值。 |
|
|
输入两个数据，逐元素比较第一个数据是否大于等于第二个数据。 |
|
|
判断目标标签是否在前 k 个预测中。 |
|
|
确定输入Tensor每个位置上的元素是否为有限数。 |
|
|
确定输入Tensor每个位置上的元素是否为无穷大或无穷小。 |
|
|
判断输入数据每个位置上的值是否是NaN。 |
|
|
逐元素计算 \(x < y\) ，返回为bool。 |
|
|
逐元素计算 \(x <= y\) 的bool值。 |
|
|
逐元素计算输入Tensor的最大值。 |
|
|
逐元素计算两个Tensor的最小值。 |
|
|
逐元素计算两个Tensor是否不相等。 |
|
|
沿最后一个维度查找 k 个最大元素和对应的索引。 |
|
线性代数算子
接口名 |
概述 |
支持平台 |
基于batch维度的两个Tensor的矩阵乘法。 |
|
|
返回输入Tensor与偏置Tensor之和。 |
|
|
计算两个一维Tensor的外积。 |
|
|
将矩阵 a 和矩阵 b 相乘。 |
|
|
计算输入矩阵的逆矩阵。 |
|
Tensor操作算子
Tensor创建
接口名 |
概述 |
支持平台 |
创建一个与输入数据类型和shape都相同的Tensor，元素值为对应数据类型能表达的最小值。 |
|
|
创建一个主对角线上元素为1，其余元素为0的Tensor。 |
|
|
创建一个指定shape的Tensor，并用指定值填充。 |
|
|
返回一个在区间 start 和 stop （包括 start 和 stop ）内均匀分布的，包含 num 个值的一维Tensor。 |
|
|
返回一个one-hot类型的Tensor。 |
|
|
创建一个值全为1的Tensor。 |
|
|
返回值为1的Tensor，shape和数据类型与输入相同。 |
|
|
创建一个值全为0的Tensor。 |
|
|
返回值为0的Tensor，其shape和数据类型与输入Tensor相同。 |
|
随机生成算子
接口名 |
概述 |
支持平台 |
根据概率密度函数分布生成随机正值浮点数x。 |
|
|
返回从输入Tensor对应行进行多项式概率分布采样出的Tensor。 |
|
|
从分类分布中抽取样本。 |
|
|
对输入进行随机取样，返回取样索引和掩码。 |
|
|
生成从0到n-1不重复的n个随机样本。 |
|
|
生成符合标准Laplace（mean=0, lambda=1）分布的随机数。 |
|
|
根据标准正态（高斯）随机数分布生成随机数。 |
|
|
根据均匀分布在区间 [minval, maxval) 中生成随机数。 |
|
|
产生随机的浮点数，均匀分布在[0，1)范围内。 |
|
Array操作
接口名 |
概述 |
支持平台 |
将批处理数据重新排列到空间数据中。 |
|
|
用块划分批次维度，并将这些块交错回空间维度。 |
|
|
将输入shape广播到目标shape。 |
|
|
转换输入Tensor的数据类型。 |
|
|
在指定轴上拼接输入Tensor。 |
|
|
计算 x 沿着指定axis的元素累计积。 |
|
|
计算输入Tensor在指定轴上的累加和。 |
|
|
返回源数据格式中的目标数据格式的维度索引。 |
|
|
将深度数据重新排列到空间维度中。 |
|
|
计算输入Tensor的数据类型，且返回的数据类型为 mindspore.dtype 。 |
|
|
计算输入方阵（batch方阵）的特征值和特征向量。 |
|
|
返回一个当前张量的新视图，其中单维度扩展到更大的尺寸。 |
|
|
对输入 input_x 在给定的轴上添加额外维度。 |
|
|
确定元素是否包含非数字（NaN）、正无穷还是负无穷。 |
|
|
填充至少具有二维的Tensor的主对角线。 |
|
|
返回输入Tensor在指定 axis 上 input_indices 索引对应的元素组成的切片。 |
|
|
获取指定轴的元素。 |
|
|
根据索引获取输入Tensor指定位置上的元素。 |
|
|
使用输入窗口长度计算汉明窗口函数。 |
|
|
计算Tensor的直方图。 |
|
|
返回一个rank为1的直方图，该直方图中的每个组的值表示数量。 |
|
|
返回与输入具有相同shape和值的Tensor。 |
|
|
将Tensor y 加到Tensor x 的指定 axis 和 indices 。 |
|
|
将 input_v 添加到 x 的特定行。 |
|
|
从 x 的特定行减去 input_v 。 |
|
|
将 x 的特定行更新为 v 。 |
|
|
计算索引的逆置换。 |
|
|
逐个元素计算输入Tensor的最小公倍数。 |
|
|
将Tensor每个位置的值向左移动几个比特位。 |
|
|
比较两个数字列表之间的不同。 |
|
|
返回一个大小为 steps 的1-D Tensor，其值从 \(base^{start}\) 到 \(base^{end}\) ，以 base 为底数。 |
|
|
计算满秩矩阵 x \((m \times n)\) 与满秩矩阵 a \((m \times k)\) 的最小二乘问题或最小范数问题的解。 |
|
|
将掩码位置为True的位置填充指定的值。 |
|
|
返回一个一维张量，其中的内容是 x 张量中对应于 mask 张量中True位置的值。 |
|
|
返回Tensor的对角线部分。 |
|
|
返回一个batch的对角Tensor，其具有给定的对角线值。 |
|
|
计算方阵的矩阵指数。 |
|
|
计算一个batch的方阵的n次幂。 |
|
|
从给定的Tensor生成网格矩阵。 |
|
|
根据第一个维度连接输入Tensor。 |
|
|
计算二进制数中1的个数。 |
|
|
返回从 start 开始，步长为 delta ，且不超过 limit （不包括 limit ）的序列。 |
|
|
返回输入Tensor的秩。 |
|
|
基于给定的shape，对输入Tensor进行重新排列。 |
|
|
使用最近邻算法将输入Tensor调整为特定大小。 |
|
|
对输入序列进行部分反转。 |
|
|
对输入Tensor按指定维度反转。 |
|
|
将Tensor input_x 的每个元素右移 Tensor input_y 中对应位数。 |
|
|
沿轴移动Tensor的元素。 |
|
|
该操作的输出是通过创建输入 input_x 的副本，然后将 updates 指定的值添加到 indices 指定的位置来更新副本中的值。 |
|
|
根据指定的索引将更新值散布到新Tensor上。 |
|
|
将sparse division应用于张量中的单个值或切片。 |
|
|
对张量中的单个值或切片应用sparse maximum。 |
|
|
对张量中的单个值或切片应用sparse multiplication。 |
|
|
根据条件判断Tensor中的元素的值，决定输出中的相应元素是从 x （如果元素值为True）还是从 y （如果元素值为False）中选择。 |
|
|
返回输入Tensor的shape。 |
|
|
返回一个Scalar，类型为整数，表示输入Tensor的大小，即Tensor中元素的总数。 |
|
|
根据指定shape对输入Tensor进行切片。 |
|
|
根据指定的轴对输入Tensor的元素进行排序，默认为升序排序。 |
|
|
将空间维度划分为对应大小的块，并在批次维度重排张量。 |
|
|
将空间维度分块，增加Tensor深度。 |
|
|
基于指定的索引和axis返回输入Tensor的切片。 |
|
|
根据指定的轴和分割数量对输入Tensor进行分割。 |
|
|
返回删除指定 axis 中大小为1的维度后的Tensor。 |
|
|
在指定轴上对输入Tensor序列进行堆叠。 |
|
|
通过STFT量化非平稳信号频率和相位随时间的变化。 |
|
|
对输入Tensor根据步长和索引进行切片提取。 |
|
|
根据指定的更新值和输入索引，进行加法运算更新输入Tensor的值。 |
|
|
根据指定的更新值和输入索引，进行除法运算更新输入Tensor的值。 |
|
|
根据指定的更新值和输入索引，通过最大值运算将结果赋值到输出Tensor中。 |
|
|
根据指定的更新值和输入索引，计算原值与更新值的较小值并更新原值，返回更新后的Tensor。 |
|
|
根据指定的更新值和输入索引，进行乘法运算更新输入Tensor的值。 |
|
|
根据指定的更新值和输入索引，进行减法运算更新输入Tensor的值。 |
|
|
根据指定的更新值和输入索引，通过更新操作更新输入Tensor的值。 |
|
|
返回输入Tensor的Shape。 |
|
|
按照给定的次数复制输入Tensor。 |
|
|
返回在Tensor的对角线方向上的总和。 |
|
|
根据指定的排列对输入的Tensor进行数据重排。 |
|
|
返回输入Tensor的唯一元素以及其对应的每个值的索引。 |
|
|
对输入一维张量中元素去重，返回一维张量中的唯一元素（使用pad_num填充）和相对索引。 |
|
|
沿分段计算输入Tensor的最大值。 |
|
|
沿分段计算输入Tensor的最小值。 |
|
|
沿分段计算输入Tensor元素的乘积。 |
|
|
沿分段计算输入Tensor元素的和。 |
|
|
根据指定轴对输入矩阵进行分解。 |
|
类型转换
接口名 |
概述 |
支持平台 |
将输入Scalar转换为其他类型。 |
|
|
将Scalar转换为指定数据类型的 Tensor 。 |
|
|
将tuple转换为Tensor。 |
|
Parameter操作算子
接口名 |
概述 |
支持平台 |
为网络参数赋值。 |
|
|
进行加法运算更新网络参数。 |
|
|
从网络参数减去特定数值来更新网络参数。 |
|
|
根据指定更新值和输入索引通过加法运算更新输入数据的值。 |
|
|
通过除法操作更新输入张量的值。 |
|
|
通过最大操作更新输入张量的值。 |
|
|
通过最小操作更新输入张量的值。 |
|
|
根据指定更新值和输入索引通过乘法运算更新输入数据的值。 |
|
|
使用给定值通过加法运算和输入索引更新Tensor值。 |
|
|
使用给定值通过减法运算和输入索引更新Tensor值。 |
|
|
使用给定值以及输入索引更新输入数据的值。 |
|
|
使用给定值通过加法操作和输入索引来更新Tensor值。 |
|
|
使用给定更新值通过减法操作和输入索引来更新Tensor值。 |
|
|
使用给定的更新值和输入索引更新输入Tensor的值。 |
|
数据操作算子
接口名 |
概述 |
支持平台 |
返回数据集队列中的下一个元素。 |
|
通信算子
注意，以下列表中的接口需要先配置好通信环境变量。
针对Ascend设备，用户需要准备rank表，设置rank_id和device_id，详见 Ascend指导文档 。
针对GPU设备，用户需要准备host文件和mpi，详见 GPU指导文档 。
接口名 |
概述 |
支持平台 |
在指定的通信组中汇聚Tensor。 |
|
|
使用指定方式对通信组内的所有设备的Tensor数据进行规约操作，所有设备都得到相同的结果。 |
|
|
AlltoAll是一个集合通信函数。 |
|
|
对输入数据整组广播。 |
|
|
NeighborExchangeV2是一个集合通讯操作。 |
|
|
规约张量的操作选项。 |
|
|
规约并且分发指定通信组中的张量。 |
|
调试算子
接口名 |
概述 |
支持平台 |
判断给定条件是否为True，若不为True则以list的形式打印 input_data 中的Tensor，否则继续往下运行代码。 |
|
|
计算Tensor的直方图并保存到Summary文件。 |
|
|
将图像保存到Summary文件。 |
|
|
将标量数据保存到Summary文件。 |
|
|
将Tensor保存到Summary文件。 |
|
|
将输入数据进行打印输出。 |
|
|
分配一个标志来存储溢出状态。 |
|
|
清除存储溢出状态的标识。 |
|
|
在执行 |
|
稀疏算子
接口名 |
概述 |
支持平台 |
稀疏矩阵 A 乘以稠密矩阵 B 。 |
|
|
将稀疏Tensor转换为密集Tensor。 |
|
框架算子
接口名 |
概述 |
支持平台 |
用来处理操作间的依赖关系。 |
|
|
一个高阶函数，为输入函数生成梯度函数。 |
|
|
用来导出中间变量中的梯度。 |
|
|
对输入序列做集合运算。 |
|
|
为图节点附加回调函数，将在梯度计算时被调用。 |
|
|
Map将对输入序列应用设置的函数操作。 |
|
|
MultitypeFuncGraph是一个用于生成重载函数的类，使用不同类型作为输入。 |
|
|
生成偏函数的实例。 |
|
|
用于消除某个值对梯度的影响，例如截断来自于函数输出的梯度传播。 |
|
算子信息注册
AiCPU算子信息注册类。 |
|
用于为 |
|
Ascend算子的dtype和format的多种组合。 |
|
注册TBE算子信息的类。 |
|
通过Primitive对象或Primitive名称，获取虚拟实现函数。 |
自定义算子
接口名 |
概述 |
支持平台 |
Custom 算子是MindSpore自定义算子的统一接口。 |
|
光谱算子
接口名 |
概述 |
支持平台 |
巴特利特窗口函数。 |
|
|
布莱克曼窗口函数。 |
|