mindspore.ops.tensor_scatter_div

mindspore.ops.tensor_scatter_div(input_x, indices, updates)

根据指定的更新值 updates 和输入索引 indices ，使用除法运算更新 input_x，返回新的Tensor。

indices 的最后一个轴是每个索引向量的深度。对于每个索引向量， updates 中必须有相应的值。 updates 的shape应该等于 input_x[indices] 的shape。有关更多详细信息，请参见使用用例。

\[output\left [indices \right ] = input\_x \div update\]

说明

• 如果 indices 中的值超出输入 input_x 索引范围：

  • GPU平台上相应的 updates 不会更新到 input_x 且不会抛出索引错误。

  • CPU平台上直接抛出索引错误。

  • Ascend平台不支持越界检查，若越界可能会造成未知错误。

• 算子无法处理除0异常，用户需保证 updates 中没有0值。

参数：

• input_x (Tensor) - 输入Tensor。 input_x 的维度必须不小于 indices.shape[-1] 。

• indices (Tensor) - input_x 的索引，数据类型为int32或int64。其rank至少为2。

• updates (Tensor) - 指定与 input_x 相除操作的Tensor，其数据类型与 input_x 相同。并且其shape应等于 \(indices.shape[:-1] + input\_x.shape[indices.shape[-1]:]\) 。

返回：

Tensor，shape和数据类型与输入 input_x 相同。

异常：

• TypeError - indices 的数据类型不为int32或int64。

• ValueError - input_x 的rank小于 indices.shape 的最后一维。

• RuntimeError - 在CPU平台中，indices 中的值超出了 input_x 的索引范围。

支持平台：

GPU CPU

样例：

>>> import numpy as np
>>> import mindspore
>>> from mindspore import Tensor, nn, ops
>>> input_x = Tensor(np.array([[-0.1, 0.3, 3.6], [0.4, 0.5, -3.2]]), mindspore.float32)
>>> indices = Tensor(np.array([[0, 0], [0, 0]]), mindspore.int32)
>>> updates = Tensor(np.array([1.0, 2.0]), mindspore.float32)
>>> output = ops.tensor_scatter_div(input_x, indices, updates)
>>> print(output)
[[-0.05  0.3  3.6  ]
 [ 0.4   0.5  -3.2 ]]