比较与tf.compat.v1.scatter_mul的功能差异

tf.compat.v1.scatter_mul

tf.compat.v1.scatter_mul(
    ref,
    indices,
    updates,
    use_locking=False,
    name=None
) -> Tensor

更多内容详见tf.compat.v1.scatter_mul。

mindspore.ops.scatter_mul

mindspore.ops.scatter_mul(
    input_x,
    indices,
    updates
) -> Tensor

更多内容详见mindspore.ops.scatter_mul。

使用方式

TensorFlow：对Tensor进行原地散点式更新。

MindSpore：实现与TensorFlow一致的功能。TensorFlow可以使用use_locking参数控制在更新张量时是否使用锁定，加锁可以保证Tensor在多线程环境下可以被正确更新，默认为False。MindSpore默认实现不加锁的功能。

分类	子类	TensorFlow	MindSpore	差异
参数	参数1	ref	input_x	功能一致，参数名不同
	参数2	indices	indices	-
	参数3	updates	updates	-
	参数4	use_locking	-	MindSpore无此参数，默认实现不加锁的功能。
	参数5	name	-	不涉及

代码示例

TensorFlow中use_locking为False时，两API实现功能一致。

# TensorFlow
import numpy as np
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

ref = tf.Variable(np.array([[1.0, 2.0, 3.0], [1.0, 2.0, 3.0]]), dtype=tf.float32)
indices = tf.constant(np.array([0, 1]),  dtype=tf.int32)
updates = tf.constant(np.array([[1.0, 3.0, 5.0], [2.0, 4.0, 6.0]]), dtype=tf.float32)
op = tf.compat.v1.scatter_mul(ref, indices, updates, use_locking=False)

init = tf.compat.v1.global_variables_initializer()
with tf.compat.v1.Session() as sess:
    sess.run(init)
    out = sess.run(op)
print(out)
# [[ 1.  6. 15.]
#  [ 2.  8. 18.]]

# MindSpore
import numpy as np
import mindspore
from mindspore import Tensor, Parameter
import mindspore.ops as ops

input_x = Parameter(Tensor(np.array([[1.0, 2.0, 3.0], [1.0, 2.0, 3.0]]), mindspore.float32), name="x")
indices = Tensor(np.array([0, 1]), mindspore.int32)
updates = Tensor(np.array([[1.0, 3.0, 5.0], [2.0, 4.0, 6.0]]), mindspore.float32)
output = ops.scatter_mul(input_x, indices, updates)
print(output)
# [[ 1.  6. 15.]
#  [ 2.  8. 18.]]