mindspore.ops.tensor_scatter_elements

mindspore.ops.tensor_scatter_elements(input_x, indices, updates, axis=0, reduction='none')[源代码]

将 updates 中所有的元素按照 reduction 指定的归约操作写入 input_x 中 indices 指定的索引处。 axis 控制scatter操作的方向。 input_x 、 indices 、 updates 三者的rank都必须大于或等于1。

下面看一个三维的例子：

output[indices[i][j][k]][j][k] = updates[i][j][k]  # if axis == 0, reduction == "none"

output[i][indices[i][j][k]][k] += updates[i][j][k]  # if axis == 1, reduction == "add"

output[i][j][indices[i][j][k]] = updates[i][j][k]  # if axis == 2, reduction == "none"

警告

如果 indices 中有多个索引向量对应于同一位置，则输出中该位置值是不确定的。
在Ascend平台上，目前仅支持 reduction 设置为 "none" 的实现。
在Ascend平台上，input_x 仅支持float16和float32两种数据类型。

说明

如果 indices 的值超出 input_x 索引上下界，则相应的 updates 不会更新到 input_x ，也不会抛出索引错误。

警告

这是一个实验性API，后续可能修改或删除。

参数：

input_x (Tensor) - 输入Tensor。rank必须大于等于1。
indices (Tensor) - input_x 要进行scatter操作的目标索引。数据类型为int32或int64，rank必须和 input_x 一致，取值范围是[-s, s)，s是 input_x 在 axis 指定轴的size。
updates (Tensor) - 指定与 input_x 进行scatter操作的Tensor，其数据类型与 input_x 类型相同，shape与 indices 的shape相同。
axis (int) - input_x 执行scatter操作的轴。取值范围是[-r, r)，其中r是 input_x 的rank。默认值: 0 。
reduction (str) - 指定进行的规约操作。支持 "none" ， "add" 。默认值： "none" 。当 reduction 设置为 "none" 时，updates 将根据 indices 赋值给 input_x。当 reduction 设置为 "add" 时，updates 将根据 indices 累加到 input_x。

返回：

Tensor，shape和数据类型与输入 input_x 相同。

异常：

TypeError - indices 的数据类型不满足int32或int64。
ValueError - input_x 、 indices 和 updates 中，任意一者的rank小于1。
ValueError - updates 的shape和 indices 的shape不一致。
ValueError - updates 的rank和 input_x 的rank不一致。
RuntimeError - input_x 的数据类型和 updates 的数据类型不能隐式转换。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> from mindspore import Tensor, ops
>>> from mindspore import Parameter
>>> import numpy as np
>>> input_x = Parameter(Tensor(np.array([[1, 2, 3, 4, 5]]), mindspore.int32), name="x")
>>> indices = Tensor(np.array([[2, 4]]), mindspore.int32)
>>> updates = Tensor(np.array([[8, 8]]), mindspore.int32)
>>> axis = 1
>>> reduction = "none"
>>> output = ops.tensor_scatter_elements(input_x, indices, updates, axis, reduction)
>>> print(output)
[[ 1, 2, 8, 4, 8]]
>>> input_x = Parameter(Tensor(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), mindspore.int32), name="x")
>>> indices = Tensor(np.array([[1, -1, 2], [0, 2, 1]]), mindspore.int32)
>>> updates = Tensor(np.array([[1, 2, 2], [4, 5, 8]]), mindspore.int32)
>>> axis = 0
>>> reduction = "add"
>>> output = ops.tensor_scatter_elements(input_x, indices, updates, axis, reduction)
>>> print(output)
[[5, 2, 3], [5, 5, 14], [7, 15, 11]]