mindspore.ops.addr
- mindspore.ops.addr(x, vec1, vec2, *, beta=1, alpha=1)[源代码]
计算 vec1 和 vec2 的外积,并将其添加到 x 中。
如果 vec1 是一个大小为 \(N\) 的向量, vec2 是一个大小为 \(M\) 的向量,那么 x 必须可以和大小为 \((N, M)\) 的矩阵广播。
可选值 bata 和 alpha 分别是 vec1 和 vec2 外积以及附加矩阵 x 的扩展因子。如果 beta 为0,那么 x 将不参与计算。
\[output = β x + α (vec1 ⊗ vec2)\]- 参数:
x (Tensor) - 需要相加的向量。Tensor的shape是 \((N, M)\) 。
vec1 (Tensor) - 第一个需要相乘的Tensor,shape大小为 \((N,)\) 。
vec2 (Tensor) - 第二个需要相乘的Tensor,shape大小为 \((M,)\) 。
- 关键字参数:
beta (scalar[int, float, bool], 可选) - x (β)的乘数。 beta 必须是int或float或bool类型,默认值:1。
alpha (scalar[int, float, bool], 可选) - vec1 ⊗ vec2 (α)的乘数。 alpha 必须是int或float或bool类型,默认值:1。
- 返回:
Tensor,shape大小为 \((N, M)\) ,数据类型与 x 相同。
- 异常:
TypeError - x 、 vec1 、 vec2 不是Tensor。
TypeError - vec1 、 vec2 的数据类型不一致。
ValueError - 如果 vec1 , vec2 不是一个一维Tensor。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> x = Tensor(np.array([[2., 2.], [3., 2.], [3., 4.]], np.float32)) >>> vec1 = Tensor(np.array([2., 3., 2.], np.float32)) >>> vec2 = Tensor(np.array([3, 4], np.float32)) >>> output = ops.addr(x, vec1, vec2) >>> print(output) [[ 8. 10.] [12. 14.] [ 9. 12.]]