mindspore.ops.ScatterUpdate

class mindspore.ops.ScatterUpdate(use_locking=True)[源代码]

使用给定的更新值和输入索引更新输入Tensor的值。

使用给定的值来更新张量值，以及输入指数。

若 indices 的shape为(i, …, j)，则

\[\text{input_x}[\text{indices}[i, ..., j], :] = \text{updates}[i, ..., j, :]\]

输入的 input_x 和 updates 遵循隐式类型转换规则，以确保数据类型一致。如果它们具有不同的数据类型，则低精度数据类型将转换为高精度数据类型。当需要转换Parameter的数据类型时，会抛出RuntimeError异常。

参数：

use_locking (bool) - 表示是否使用锁来保护。默认值：True。

输入：

input_x (Parameter) - ScatterUpdate的输入，shape：零维或 \((N, *)\) ，其中 \(*\) 表示任意数量的附加维度。
indices (Tensor) - 指定更新操作的索引。数据类型为int32。如果索引中存在重复项，则更新的顺序无法得知。
updates (Tensor) - 指定与 input_x 更新操作的Tensor，其数据类型与 input_x 相同，shape为 indices.shape + input_x.shape[1:] 。

输出：

Tensor，shape和数据类型与输入 input_x 相同。

异常：

TypeError - use_locking 不是bool。
TypeError - indices 不是int32。
ValueError - updates 的shape不等于 indices.shape + input_x.shape[1:] 。
RuntimeError - 当 input_x 和 updates 类型不一致，需要进行类型转换时，如果 updates 不支持转成参数 input_x 需要的数据类型，就会报错。

支持平台：

Ascend GPU CPU

样例：

>>> np_x = np.array([[-0.1, 0.3, 3.6], [0.4, 0.5, -3.2]])
>>> input_x = mindspore.Parameter(Tensor(np_x, mindspore.float32), name="x")
>>> indices = Tensor(np.array([0, 1]), mindspore.int32)
>>> np_updates = np.array([[2.0, 1.2, 1.0], [3.0, 1.2, 1.0]])
>>> updates = Tensor(np_updates, mindspore.float32)
>>> op = ops.ScatterUpdate()
>>> output = op(input_x, indices, updates)
>>> print(output)
[[2. 1.2  1.]
 [3. 1.2  1.]]