mindspore.ops.tile

mindspore.ops.tile(input_x, multiples)

按照给定的次数复制输入Tensor。

通过复制 multiples 次 input_x 来创建新的Tensor。输出Tensor的第i维度有 input_x.shape[i] * multiples[i] 个元素，并且 input_x 的值沿第i维度被复制 multiples[i] 次。

说明

multiples 的长度必须大于或等于 input_x 的维度。

参数：

• input_x (Tensor) - 1-D或更高维的Tensor。

• multiples (tuple[int]) - 指定复制次数的参数，参数类型为tuple，数据类型为整数。如 \((y_1, y_2, ..., y_S)\) 。 multiples 的长度不能小于 input_x 的维度。只支持常量值。

返回：

Tensor，具有与 input_x 相同的数据类型。假设 multiples 的长度为 d ，input_x 的维度为 input_x.dim ，input_x 的shape为 \((x_1, x_2, ..., x_S)\) 。

• 如果 input_x.dim = d ，将其相应位置的shape相乘，输出的shape为 \((x_1*y_1, x_2*y_2, ..., x_S*y_S)\) 。

• 如果 input_x.dim < d ，在 input_x 的shape的前面填充1，直到它们的长度一致。例如将 input_x 的shape设置为 \((1, ..., x_1, ..., x_R, x_S)\) ，然后可以将其相应位置的shape相乘，输出的shape为 \((1*y_1, ..., x_R*y_R, x_S*y_S)\) 。

异常：

• TypeError - multiples 不是tuple或者其元素并非全部是int。

• ValueError - multiples 的元素并非全部大于0。

• ValueError - multiples 的长度小于 input_x 中的维度。

支持平台：

Ascend GPU CPU

样例：

>>> input_x = Tensor(np.array([[1, 2], [3, 4]]), mindspore.float32)
>>> multiples = (2, 3)
>>> output = ops.tile(input_x, multiples)
>>> print(output)
[[1.  2.  1.  2.  1.  2.]
 [3.  4.  3.  4.  3.  4.]
 [1.  2.  1.  2.  1.  2.]
 [3.  4.  3.  4.  3.  4.]]
>>> multiples = (2, 3, 2)
>>> output = ops.tile(input_x, multiples)
>>> print(output)
[[[1. 2. 1. 2.]
  [3. 4. 3. 4.]
  [1. 2. 1. 2.]
  [3. 4. 3. 4.]
  [1. 2. 1. 2.]
  [3. 4. 3. 4.]]
 [[1. 2. 1. 2.]
  [3. 4. 3. 4.]
  [1. 2. 1. 2.]
  [3. 4. 3. 4.]
  [1. 2. 1. 2.]
  [3. 4. 3. 4.]]]