文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.unsorted_segment_prod

mindspore.ops.unsorted_segment_prod(x, segment_ids, num_segments)

沿分段计算输入Tensor元素的乘积。

unsorted_segment_prod的计算过程如下图所示：

说明

• 如果 segment_ids 中不存在segment_id i ，则将使用1填充输出 output[i] 。

• segment_ids 必须是一个非负Tensor。

参数：

• x (Tensor) - shape： $(x_1,x_2,...,x_R)$ 。数据类型支持float16、float32或int32。

• segment_ids (Tensor) - shape为 $(x_1)$ 的一维张量，值必须是非负数。数据类型支持int32。

• num_segments (int) - 分段的数量。必须大于0。

返回：

Tensor，若 num_segments 值为 N ，则shape为 $(N,x_2,...,x_R)$ 。

异常：

• TypeError - num_segments 不是int类型。

• ValueError - segment_ids 的维度不等于1。

支持平台：

Ascend GPU CPU

样例：

>>> from mindspore import Tensor
>>> from mindspore import ops
>>> import numpy as np
>>> x = Tensor(np.array([[1, 2, 3], [4, 5, 6], [4, 2, 1]]).astype(np.float32))
>>> segment_ids = Tensor(np.array([0, 1, 0]).astype(np.int32))
>>> num_segments = 2
>>> output = ops.unsorted_segment_prod(x, segment_ids, num_segments)
>>> print(output)
[[4. 4. 3.]
 [4. 5. 6.]]