mindspore.ops.add

mindspore.ops.add(input, other)[源代码]

把other的数值与input进行逐元素相加。

\[out_{i} = input_{i} + other_{i}\]

说明

  • 两个输入中至少有一个Tensor，当两个输入具有不同的shape时，它们的shape必须要能广播为一个共同的shape。

  • 两个输入不能同时为bool类型。[True, Tensor(True, bool_), Tensor(np.array([True]), bool_)]等都为bool类型。

  • 两个输入遵循隐式类型转换规则，使数据类型保持一致。

参数：

  • input (Union[Tensor, number.Number, bool]) - 第一个输入，是一个number.Number、bool值或数据类型为 number 或 bool_ 的Tensor。

  • other (Union[Tensor, number.Number, bool]) - 第二个输入，当第一个输入是Tensor时，第二个输入应该是一个number.Number或bool值，或数据类型为number或bool的Tensor。当第一个输入是Scalar时，第二个输入必须是数据类型为number或bool的Tensor。

返回：

Tensor，shape与输入 input，other 广播后的shape相同，数据类型为两个输入中精度较高的类型。

异常：

  • TypeError - input 和 other 不是Tensor、number.Number或bool。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> # case 1: x and y are both Tensor.
>>> x = Tensor(np.array([1, 2, 3]).astype(np.float32))
>>> y = Tensor(np.array([4, 5, 6]).astype(np.float32))
>>> output = ops.add(x, y)
>>> print(output)
[5. 7. 9.]
>>> # case 2: x is a scalar and y is a Tensor
>>> x = Tensor(1, mindspore.int32)
>>> y = Tensor(np.array([4, 5, 6]).astype(np.float32))
>>> output = ops.add(x, y)
>>> print(output)
[5. 6. 7.]
>>> # the data type of x is int32, the data type of y is float32,
>>> # and the output is the data format of higher precision float32.
>>> print(output.dtype)
Float32