mindspore.ops
动态shape的支持情况详见 ops接口动态shape支持情况 。
MindSpore中 mindspore.ops 接口与上一版本相比，新增、删除和支持平台的变化信息请参考 mindspore.ops API接口变更 。
神经网络层函数
神经网络
接口名 |
概述 |
支持平台 |
警告 |
对可以看作是由一系列1D平面组成的输入Tensor，应用一维自适应平均池化操作。 |
|
无 |
|
对一个多平面输入信号执行二维自适应平均池化。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
对一个多平面输入信号执行三维自适应平均池化。 |
|
无 |
|
对可以看作是由一系列1D平面组成的输入Tensor，应用一维自适应最大池化操作。 |
|
无 |
|
对输入Tensor，提供二维自适应最大池化操作。 |
|
无 |
|
在输入Tensor上应用1D平均池化，输入Tensor可以看作是由一系列1D平面组成的。 |
|
kernel_size 取值为[1, 255]范围内的正整数，stride 的取值为[1, 63]范围内的正整数。 |
|
在输入Tensor上应用2D平均池化，输入Tensor可以看作是由一系列2D平面组成的。 |
|
kernel_size 取值为[1, 255]范围内的正整数，stride 的取值为[1, 63]范围内的正整数。 |
|
在输入Tensor上应用3D平均池化，输入Tensor可以看作是由一系列3D平面组成的。 |
|
kernel_size 取值为[1, 255]范围内的正整数，stride 的取值为[1, 63]范围内的正整数。 |
|
对输入数据进行批量归一化和更新参数。 |
|
对于Atlas 200/300/500推理产品，由于平方根指令，结果精度未能达到1‰。 |
|
返回输入Tensor input_x 与偏置Tensor bias 之和。 |
|
无 |
|
对输入 input1 和 input2 应用双线性全连接操作。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
对输入中给定的logits执行贪婪解码。 |
|
无 |
|
对输入Tensor计算一维卷积。 |
|
无 |
|
对输入Tensor计算二维卷积。 |
|
无 |
|
对输入Tensor计算三维卷积。 |
|
无 |
|
给定4D的Tensor输入 x ， weight 和 offsets ，计算一个2D的可变形卷积。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
对输入 input 应用全连接操作。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
在训练期间，以服从伯努利分布的概率 p 随机将输入Tensor的某些值归零，起到减少神经元相关性的作用，避免过拟合。 |
|
无 |
|
在训练期间，以服从伯努利分布的概率 p 随机将输入Tensor的某些通道归零（对于形状为 \(NCL\) 的三维Tensor，其通道特征图指的是后一维 \(L\) 的一维特征图）。 |
|
无 |
|
在训练期间，以服从伯努利分布的概率 p 随机将输入Tensor的某些通道归零（对于形状为 \(NCHW\) 的四维Tensor，其通道特征图指的是后两维 \(HW\) 形状的二维特征图）。 |
|
无 |
|
在训练期间，以服从伯努利分布的概率 p 随机将输入Tensor的某些通道归零（对于形状为 \(NCDHW\) 的五维Tensor，其通道特征图指的是后三维 \(DHW\) 形状的三维特征图）。 |
|
无 |
|
以 input 中的值作为索引，从 weight 中查询对应的embedding向量。 |
|
在Ascend后端， input 的值非法将导致不可预测的行为。 |
|
沿着从 start_dim 到 end_dim 的维度，对输入Tensor进行展平。 |
|
无 |
|
将提取出的滑动局部区域块还原成更大的输出Tensor。 |
|
输入是三维Tensor，其shape为 \((N, C \times \prod(\text{kernel_size}), L)\) 。 输出是四维Tensor，其shape为 \((N, C, output\_size[0], output\_size[1], ...)\) 。 |
|
在输入 input 上应用三维分数最大池化。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
在mini-batch输入上进行组归一化。 |
|
无 |
|
在mini-batch输入上应用层归一化（Layer Normalization）。 |
|
无 |
|
在输入Tensor上应用1D LP池化运算，可被视为组成一个1D输入平面。 |
|
无 |
|
在输入Tensor上应用2D LP池化运算，可被视为组成一个2D输入平面。 |
|
无 |
|
局部响应归一化操作LRN(Local Response Normalization)。 |
|
lrn在Ascend平台已废弃，存在潜在精度问题。建议使用其他归一化方法，如 |
|
二维最大值池化。 |
|
无 |
|
三维最大值池化。 |
|
无 |
|
max_pool1d 的逆过程。 |
|
无 |
|
max_pool2d 的逆过程。 |
|
无 |
|
|
无 |
||
RmsNorm(Root Mean Square Layer Normalization)即均方根标准化。 |
|
这是一个实验性API，后续可能修改或删除。该API目前只支持在Atlas A2训练系列产品上使用。 |
|
从一个batch的输入Tensor中提取滑动局部块。 |
|
该算子的输出为三维Tensor，其shape为 \((N, C \times \prod(\text{kernel_size}), L)\) 。 这是一个实验性API，后续可能修改或删除。 |
损失函数
接口名 |
概述 |
支持平台 |
警告 |
计算预测值 logits 和 目标值 labels 之间的二值交叉熵（度量两个概率分布间的差异性信息）损失。 |
|
logits 的值必须要在0-1范围内。 |
|
输入经过sigmoid激活函数后作为预测值，binary_cross_entropy_with_logits 计算预测值和目标值之间的二值交叉熵损失。 |
|
无 |
|
余弦相似度损失函数，用于测量两个Tensor之间的相似性。 |
|
无 |
|
获取预测值和目标值之间的交叉熵损失。 |
|
无 |
|
计算CTC（Connectist Temporal Classification）损失和梯度。 |
|
无 |
|
服从高斯分布的负对数似然损失。 |
|
无 |
|
Hinge Embedding 损失函数，衡量输入 inputs 和标签 targets （包含1或-1）之间的损失值。 |
|
无 |
|
计算预测值和目标值之间的误差，兼具 |
|
无 |
|
计算输入 logits 和 labels 的KL散度。 |
|
无 |
|
用于计算预测值和目标值之间的平均绝对误差。 |
|
无 |
|
排序损失函数，用于创建一个衡量给定损失的标准。 |
|
无 |
|
计算预测值和标签值之间的均方误差。 |
|
无 |
|
用于优化多分类问题的合页损失。 |
|
无 |
|
用于优化多标签分类问题的合页损失。 |
|
无 |
|
基于最大熵计算用于多标签优化的损失。 |
|
无 |
|
获取预测值和目标值之间的负对数似然损失。 |
|
无 |
|
计算平滑L1损失，该L1损失函数有稳健性。 |
|
无 |
|
计算 input 和 target 之间的soft margin loss。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
三元组损失函数。 |
|
无 |
激活函数
接口名 |
概述 |
支持平台 |
警告 |
celu激活函数，逐元素计算输入Tensor的celu（Continuously differentiable exponential linear units）值。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
指数线性单元激活函数。 |
|
无 |
|
快速高斯误差线性单元激活函数。 |
|
无 |
|
高斯误差线性单元激活函数。 |
|
无 |
|
门线性单元函数（Gated Linear Unit function）。 |
|
无 |
|
返回Gumbel-Softmax分布的Tensor。 |
|
无 |
|
Hard Shrink激活函数。 |
|
无 |
|
Hard Sigmoid激活函数。 |
|
无 |
|
逐元素计算Hard Swish。 |
|
无 |
|
逐元素元素计算hardtanh激活函数。 |
|
无 |
|
leaky_relu激活函数。 |
|
无 |
|
在指定轴上对输入Tensor应用LogSoftmax函数。 |
|
无 |
|
按元素计算logsigmoid激活函数。 |
|
无 |
|
逐元素计算输入Tensor的MISH（Self Regularized Non-Monotonic Neural Activation Function 自正则化非单调神经激活函数）。 |
|
无 |
|
带参数的线性修正单元激活函数（Parametric Rectified Linear Unit activation function）。 |
|
无 |
|
对输入Tensor逐元素计算线性修正单元激活函数（Rectified Linear Unit）值。 |
|
无 |
|
计算输入Tensor的ReLU（修正线性单元），其上限为6。 |
|
无 |
|
Randomized Leaky ReLU激活函数。 |
|
无 |
|
激活函数selu（Scaled exponential Linear Unit）。 |
|
无 |
|
逐元素计算Sigmoid激活函数。 |
|
无 |
|
按输入逐元素计算激活函数SiLU（Sigmoid Linear Unit）。 |
|
无 |
|
在指定轴上对输入Tensor执行Softmax激活函数做归一化操作。 |
|
无 |
|
在指定轴上对输入Tensor执行Softmin函数做归一化操作。 |
|
无 |
|
逐元素计算Soft Shrink激活函数。 |
|
无 |
|
SoftSign激活函数。 |
|
无 |
|
逐元素计算输入元素的双曲正切。 |
|
无 |
|
使用阈值 thr 参数对 input 逐元素阈值化，并将其结果作为Tensor返回。 |
|
无 |
距离函数
接口名 |
概述 |
支持平台 |
警告 |
计算两个Tensor每对行向量之间的p-norm距离。 |
|
无 |
|
计算输入中每对行向量之间的 \(p\)-norm距离。 |
|
无 |
|
计算输入中每对行向量之间的p-范数距离。 |
|
无 |
采样函数
接口名 |
概述 |
支持平台 |
警告 |
对输入进行随机取样，返回取样索引和掩码。 |
|
无 |
|
从一个分类分布中生成随机样本。 |
|
无 |
|
使用log-uniform(Zipfian)分布对一组类别进行采样。 |
|
无 |
|
使用均匀分布对一组类别进行采样。 |
|
无 |
图像函数
接口名 |
概述 |
支持平台 |
警告 |
基于输入的批量仿射矩阵 theta ，返回一个二维或三维的流场（采样网格）。 |
|
无 |
|
解码边界框位置信息，计算偏移量，此算子将偏移量转换为Bbox，用于在后续图像中标记目标等。 |
|
无 |
|
编码边界框位置信息，计算预测边界框和真实边界框之间的偏移，并将此偏移作为损失变量。 |
|
无 |
|
将一组滑动局部块组合成一个大的Tensor。 |
|
无 |
|
检查边界框是否在图片内。 |
|
由 bboxes 指定的边界框和由 img_metas 指定的图片信息需要是有效的，即： \(x0 <= x1\)， \(y0 <= y1\)， img_metas 中的信息 \((height, width, ratio)\) 均为正数。 |
|
对输入图像Tensor进行裁剪并调整其大小。 |
|
无 |
|
给定一个输入和一个网格，使用网格中的输入值和像素位置计算输出。 |
|
无 |
|
按照给定的 size 或 scale_factor 根据 mode 设置的插值方式，对输入 input 调整大小。 |
|
无 |
|
计算矩形的IOU，即真实区域和预测区域的交并比。 |
|
在Ascend中，仅支持计算float16数据。为避免溢出，输入长度和宽度在内部按0.2缩放。 |
|
根据参数 padding 对输入进行填充。 |
|
无 |
|
通过填充0，将输入Tensor的最后一个维度从1扩展到指定大小。 |
|
无 |
|
对输入 input 应用像素重组操作，它实现了步长为 \(1/r\) 的子像素卷积。 |
|
无 |
|
对输入 input 应用逆像素重组操作，这是像素重组的逆操作。 |
|
无 |
|
|
无 |
数学运算函数
逐元素运算
接口名 |
概述 |
支持平台 |
警告 |
逐元素计算输入Tensor的绝对值。 |
|
无 |
|
|
|
无 |
|
逐元素将所有输入的Tensor相加。 |
|
无 |
|
逐元素计算输入Tensor的反余弦。 |
|
无 |
|
|
|
无 |
|
逐元素计算输入Tensor的反双曲余弦。 |
|
给定一个输入Tensor input ，该函数计算每个元素的反双曲余弦。输入范围为[1, inf]。 |
|
把other的数值与input进行逐元素相加。 |
|
无 |
|
执行Tensor tensor1 与Tensor tensor2 的逐元素除法，将结果乘以标量值 value ，并将其添加到 input 中。 |
|
无 |
|
执行Tensor tensor1 与Tensor tensor2 的逐元素乘积，将结果乘以标量值 value ，并将其添加到 input 中。 |
|
无 |
|
mat 和 vec 相乘，且将输入向量 input 加到最终结果中。 |
|
无 |
|
逐元素将所有输入的Tensor相加。 |
|
无 |
|
逐元素计算复数Tensor的辐角。 |
|
无 |
|
|
无 |
||
|
|
无 |
|
|
无 |
||
|
|
无 |
|
|
无 |
||
|
无 |
||
逐元素计算输入Tensor的反正弦。 |
|
无 |
|
计算输入元素的反双曲正弦。 |
|
无 |
|
逐元素计算输入Tensor的反正切值。 |
|
无 |
|
逐元素计算input/other的反正切值。 |
|
无 |
|
逐元素计算输入Tensor的反双曲正切值。 |
|
无 |
|
调整 inputs 中的Tensor维度，使输入中每个Tensor维度不低于1。 |
|
无 |
|
调整 inputs 中的Tensor维度，使输入中每个Tensor维度不低于2。 |
|
无 |
|
调整 inputs 中的Tensor维度，使输入中每个Tensor维度不低于3。 |
|
无 |
|
逐元素计算第一类零阶修正Bessel函数值。 |
|
无 |
|
逐元素计算指数缩放第一类零阶修正贝塞尔函数。 |
|
无 |
|
逐元素计算第一类一阶修正Bessel函数值。 |
|
无 |
|
逐元素计算指数缩放第一类一阶修正Bessel函数。 |
|
无 |
|
逐元素计算输入数据的第一类零阶的Bessel函数。 |
|
无 |
|
逐元素计算输入数据的第一类一阶的Bessel函数。 |
|
无 |
|
逐元素计算第二类零阶修正Bessel函数值。 |
|
无 |
|
逐元素计算指数缩放第二类零阶修正Bessel函数值。 |
|
无 |
|
逐元素计算第二类一阶修正Bessel函数值。 |
|
无 |
|
逐元素计算指数缩放第二类一阶修正Bessel函数值。 |
|
无 |
|
逐元素计算输入数据的第二类零阶Bessel函数。 |
|
无 |
|
逐元素计算输入数据的第二类一阶Bessel函数。 |
|
无 |
|
逐元素执行两个Tensor的与运算。 |
|
无 |
|
逐元素对输入 input 进行左移位运算, 移动的位数由 other 指定。 |
|
无 |
|
逐元素执行两个Tensor的或运算。 |
|
无 |
|
逐元素对输入 input 进行右移位运算, 移动的位数由 other 指定。 |
|
无 |
|
逐元素执行两个Tensor的异或运算。 |
|
无 |
|
向上取整函数。 |
|
无 |
|
将输入Tensor的值裁剪到指定的最小值和最大值之间。 |
|
无 |
|
|
无 |
||
返回输入Tensor中元素的所有长度为 r 的子序列。 |
|
无 |
|
逐元素地创建一个新的浮点Tensor，其大小为 x，符号为 other 的符号。 |
|
无 |
|
逐元素计算输入的余弦。 |
|
如果使用float64，可能会存在精度丢失的问题。 |
|
逐元素计算 input 的双曲余弦值。 |
|
无 |
|
沿轴计算的x1和x2之间的余弦相似度。 |
|
无 |
|
给定输入 input 和权重，返回输入 input 的协方差矩阵(每对变量的协方差的方阵)，其中输入行是变量，列是观察值。 |
|
fweights 和 aweights 的值不能为负数，负数权重场景结果未定义。 |
|
生成一个Tensor，其对角线值由 input 中的值填充，其余位置置0。 |
|
无 |
|
沿着给定维度计算输入Tensor x 的n阶前向差分。 |
|
无 |
|
逐元素地将 x 从度数制转换为弧度制。 |
|
无 |
|
计算对数gamma函数在输入上的导数。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
逐元素计算第一个输入Tensor除以第二输入Tensor的商。 |
|
无 |
|
|
|
无 |
|
逐元素计算 input 的高斯误差函数。 |
|
无 |
|
逐元素计算 input 的互补误差函数。 |
|
无 |
|
计算输入的逆误差函数。 |
|
无 |
|
逐元素计算 input 的指数。 |
|
无 |
|
逐元素计算Tensor input 以2为底的指数。 |
|
无 |
|
逐元素计算输入Tensor的指数，然后减去1。 |
|
无 |
|
逐元素向下取整函数。 |
|
无 |
|
|
无 |
||
按元素将第一个输入Tensor除以第二个输入Tensor，并向下取整。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
将第一个输入Tensor除以第二个输入Tensor，并向下取余。 |
|
输入 y 的元素不能等于0，否则将返回当前数据类型的最大值。 当输入元素数量超过2048时，算子的精度不能保证千分之二的要求。 由于架构不同，该算子在NPU和CPU上的计算结果可能不一致。 如果shape表示为 \((D1, D2 ..., Dn)\) ，那么 D1*D2... *DN<=1000000,n<=8。 |
|
计算 input 的指数幂。 |
|
无 |
|
计算除法运算 input/other 的浮点余数。 |
|
无 |
|
计算 x 中每个元素的小数部分。 |
|
无 |
|
按元素计算输入Tensor的最大公约数。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
按元素计算以输入Tensor为直角边的三角形的斜边。 |
|
无 |
|
计算正则化的下层不完全伽马函数。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
计算正则化的上层不完全伽马函数。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
返回包含输入Tensor的虚部。 |
|
无 |
|
|
无 |
||
逐元素计算输入Tensor的倒数。 |
|
无 |
|
对输入逐元素按位翻转。 |
|
无 |
|
逐元素计算两个输入Tensor的最小公倍数。 |
|
无 |
|
逐元素将输入Tensor乘以 \(2^{other}\) 。 |
|
无 |
|
基于权重参数计算两个Tensor之间的线性插值。 |
|
无 |
|
逐元素返回Tensor的自然对数。 |
|
如果输入值在(0, 0.01]或[0.95, 1.05]范围内，则输出精度可能会存在误差。 |
|
逐元素返回Tensor以2为底的对数。 |
|
如果log2的输入值范围在(0, 0.01]或[0.95, 1.05]区间，输出精度可能会受影响。 |
|
逐元素返回Tensor以10为底的对数。 |
|
如果log10的输入值范围在(0, 0.01]或[0.95, 1.05]区间，输出精度可能会受影响。 |
|
对输入Tensor逐元素加一后计算自然对数。 |
|
无 |
|
计算输入的指数和的对数。 |
|
无 |
|
计算以2为底的输入的指数和的对数。 |
|
无 |
|
逐元素计算两个Tensor的逻辑与运算。 |
|
无 |
|
逐元素计算一个Tensor的逻辑非运算。 |
|
无 |
|
逐元素计算两个Tensor的逻辑或运算。 |
|
无 |
|
逐元素计算两个Tensor的逻辑异或运算。 |
|
无 |
|
逐元素计算Tensor的logit值。 |
|
无 |
|
两个Tensor逐元素相乘。 |
|
无 |
|
|
|
无 |
|
逐元素计算 p 维多元对数伽马函数值。 |
|
无 |
|
计算输入input的相反数并返回。 |
|
无 |
|
|
|
无 |
|
逐元素返回 input 指向 other 的下一个可表示值符点值。 |
|
无 |
|
将极坐标转化为笛卡尔坐标。 |
|
无 |
|
计算关于 input 的多伽马函数的 \(n\) 阶导数。 |
|
无 |
|
返回输入Tensor。 |
|
无 |
|
计算 input 中每个元素的 exponent 次幂。 |
|
无 |
|
逐元素地将 x 从弧度制转换为度数制。 |
|
无 |
|
沿着0轴方向，将多维Tensor展开成一维。 |
|
无 |
|
返回输入Tensor的实数部分。 |
|
无 |
|
返回输入Tensor每个元素的倒数。 |
|
无 |
|
逐元素计算第一个元素除以第二个元素的余数。 |
|
当输入元素超过2048时，可能会有精度问题。 在Ascend和CPU上的计算结果可能不一致。 如果shape表示为(D1,D2…Dn)，那么D1 * D2……* DN <= 1000000，n <= 8。 |
|
沿轴指定的平面内将n-D Tensor旋转90度。 |
|
无 |
|
对输入数据进行四舍五入到最接近的整数数值。 |
|
无 |
|
逐元素计算输入Tensor元素的平方根倒数。 |
|
无 |
|
|
|
无 |
|
按sign公式逐元素计算输入Tensor。 |
|
无 |
|
判断每个元素的符号，如果元素值小于0则对应输出的位置为True，否则为False。 |
|
无 |
|
逐元素计算输入Tensor的正弦。 |
|
无 |
|
计算输入的归一化正弦值。 |
|
无 |
|
逐元素计算输入Tensor的双曲正弦。 |
|
无 |
|
逐元素返回当前Tensor的平方根。 |
|
无 |
|
逐元素返回Tensor的平方。 |
|
无 |
|
逐元素用第一个输入Tensor减去第二个输入Tensor。 |
|
无 |
|
对Tensor进行逐元素的减法。 |
|
无 |
|
转置二维Tensor。 |
|
无 |
|
计算输入元素的正切值。 |
|
无 |
|
Tanhshrink激活函数， \(Tanhshrink(x)=x-Tanh(x)\) ，其中 \(x\) 即输入 input。 |
|
无 |
|
使用梯形法则沿给定轴 dim 对 y(x) 进行积分。 |
|
无 |
|
计算 row * col 行列矩阵的下三角元素的索引，并将它们作为一个 2xN 的Tensor返回。 |
|
无 |
|
计算 row * col 行列矩阵的上三角元素的索引，并将它们作为一个 2xN 的Tensor返回。 |
|
无 |
|
|
|
无 |
|
返回一个新的Tensor，该Tensor具有输入元素的截断整数值。 |
|
无 |
|
将第一个输入Tensor与第二个输入Tensor逐元素相除，结果将向0取整。 |
|
无 |
|
逐元素取模。 |
|
输入数值不能为0。 当输入含有超过2048个元素，该操作不能保证千分之二的精度要求。 由于架构不同，该算子在NPU和CPU上的计算结果可能不一致。 若shape为（D1、D2...、Dn），则D1*D2...*DN<=1000000，n<=8。 |
|
将第一个输入Tensor除以第二个输入Tensor。 |
|
无 |
|
计算第一个输入Tensor乘以第二个输入Tensor的对数。 |
|
在Ascend上， input 和 other 必须为float16或float32。 |
|
逐元素计算Hurwitz zeta的输出。 |
|
这是一个实验性API，后续可能修改或删除。 |
Reduction函数
接口名 |
概述 |
支持平台 |
警告 |
默认情况下，通过对维度中所有元素进行“逻辑与”来减少 input 的维度。 |
|
无 |
|
默认情况下，移除输入所有维度，返回 input 中的最大值。 |
|
无 |
|
默认情况下，移除输入所有维度，返回 input 中的最小值。 |
|
无 |
|
返回输入Tensor在指定轴上的最小值和最大值。 |
|
无 |
|
默认情况下，通过对维度中所有元素进行“逻辑或”来减少 input 的维度。 |
|
无 |
|
返回输入Tensor在指定轴上的最大值索引。 |
|
无 |
|
返回输入Tensor在指定轴上的最小值索引。 |
|
无 |
|
返回一个元组（最值、索引），其中最值是输入Tensor input 沿维度 axis 的累积最大值，索引是每个最大值的索引位置。 |
|
无 |
|
返回一个元组（最值、索引），其中最值是输入Tensor input 沿维度 axis 的累积最小值，索引是每个最小值的索引位置。 |
|
无 |
|
返回输入的元素在 dim 维度上的累积乘积。 |
|
无 |
|
计算输入Tensor x 沿轴 axis 的累积和。 |
|
无 |
|
逐元素计算输入Tensor的最大值。 |
|
无 |
|
计算Tensor的直方图。 |
|
无 |
|
计算输入Tensor input 元素的的指数沿轴 axis 的累积和的对数。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
求Tensor的对数指数和。 |
|
无 |
|
在给定轴上计算输入Tensor的最大值。 |
|
如果有多个最大值，则取第一个最大值的索引。 |
|
默认情况下，移除输入所有维度，返回 x 中所有元素的平均值。 |
|
无 |
|
输出Tensor指定维度上的中值与索引。 |
|
如果 input 的中值不唯一，则 indices 不一定包含第一个出现的中值。该接口的具体实现方式和后端类型相关，CPU和GPU的返回值可能不相同。 |
|
在给定轴上计算输入Tensor的最小值。 |
|
如果有多个最小值，则取第一个最小值的索引。 |
|
返回给定Tensor的矩阵范数或向量范数。 |
|
无 |
|
默认情况下，使用指定维度的所有元素的乘积代替该维度的其他元素，以移除该维度。 |
|
无 |
|
默认情况下，输出Tensor各维度上的标准差，也可以对指定维度求标准差。 |
|
无 |
|
默认情况下，输出Tensor各维度上的标准差和均值，也可以对指定维度求标准差和均值。 |
|
无 |
|
默认情况下，输出Tensor各维度上的方差，也可以对指定维度求方差。 |
|
无 |
|
默认情况下，输出Tensor各维度上的方差和均值，也可以对指定维度求方差和均值。 |
|
无 |
比较函数
接口名 |
概述 |
支持平台 |
警告 |
按指定顺序对输入Tensor沿给定维度进行排序，并返回排序后的索引。 |
|
无 |
|
逐元素计算abs(x-y)，如果小于tolerance则为 |
|
无 |
|
根据 boundaries 对 input 进行分桶。 |
|
无 |
|
逐元素比较两个输入Tensor是否相等。 |
|
无 |
|
逐元素比较两个输入Tensor是否相等。 |
|
无 |
|
输入两个数据，逐元素比较第一个数据是否大于等于第二个数据。 |
|
无 |
|
按元素比较输入参数 \(input > other\) 的值，输出结果为bool值。 |
|
无 |
|
输入两个Tensor，逐元素比较第一个Tensor是否大于等于第二个Tensor。 |
|
无 |
|
按元素比较输入参数 \(input,other\) 的值，输出结果为bool值。 |
|
无 |
|
判断目标标签是否在前 k 个预测中。 |
|
无 |
|
返回一个布尔型Tensor，表示 input 的每个元素与 other 的对应元素在给定容忍度内是否“接近”。 |
|
无 |
|
判断输入数据每个位置上的元素是否是有限数。 |
|
无 |
|
确定输入Tensor每个位置上的元素是否为无穷大或无穷小。 |
|
无 |
|
判断输入数据每个位置上的值是否是Nan。 |
|
无 |
|
逐元素判断是否是负inf。 |
|
无 |
|
逐元素判断是否是正inf。 |
|
无 |
|
逐元素判断是否为实数。 |
|
无 |
|
如果Tensor的数据类型是复数，则返回True，否则返回False。 |
|
无 |
|
判断 input 的dtype是否是浮点数据类型，包括mindspore.float64，mindspore.float32，mindspore.float16。 |
|
无 |
|
逐元素计算 \(input <= other\) 的bool值。 |
|
无 |
|
逐元素计算 \(input < other\) ，返回为bool。 |
|
无 |
|
逐元素计算 \(input <= other\) 的bool值。 |
|
无 |
|
|
|
无 |
|
逐元素计算两个输入Tensor中的最大值。 |
|
无 |
|
逐元素计算两个输入Tensor中的最小值。 |
|
无 |
|
将输入Tensor的元素沿其第一个维度按值升序排序。 |
|
无 |
|
计算两个Tensor是否不相等。 |
|
无 |
|
|
|
无 |
|
返回位置索引，根据这个索引将 values 插入 sorted_sequence 后，sorted_sequence 的最内维度的顺序保持不变。 |
|
无 |
|
沿给定维度查找 k 个最大或最小元素和对应的索引。 |
|
如果 sorted 设置为False，它将使用aicpu运算符，性能可能会降低，另外，由于在不同平台上存在内存排布以及遍历方式不同等问题，sorted 设置为False时计算结果的显示顺序可能会出现不一致的情况。 |
线性代数函数
接口名 |
概述 |
支持平台 |
警告 |
对 batch1 和 batch2 应用批量矩阵乘法后进行reduced add， input 和最终的结果相加。 |
|
无 |
|
对 mat1 和 mat2 应用矩阵乘法。 |
|
无 |
|
计算 vec1 和 vec2 的外积，并将其添加到 x 中。 |
|
无 |
|
逐元素计算Tensor的共轭，并转置最后两个维度。 |
|
无 |
|
对输入的两个三维矩阵batch1与batch2相乘，并将结果与input相加。 |
|
无 |
|
当输入的两个Tensor是批量数据时，对其进行批量点积操作。 |
|
无 |
|
基于batch维度的两个Tensor的矩阵乘法。 |
|
无 |
|
计算对称正定矩阵或一批对称正定矩阵的Cholesky分解。 |
|
无 |
|
根据Cholesky分解因子 input2 计算一组具有正定矩阵的线性方程组的解。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
返回给定Tensor的矩阵范数或向量范数。 |
|
无 |
|
两个Tensor之间的点积。 |
|
无 |
|
计算输入方阵（batch方阵）的特征值。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
将矩阵分解为正交矩阵 Q 和上三角矩阵 R 的乘积。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
计算输入一维Tensor input 与 vec2 的外积。 |
|
无 |
|
计算两个1D Tensor的点积。 |
|
无 |
|
计算输入矩阵的逆。 |
|
无 |
|
计算 input 和 other 的Kronecker积：\(input ⊗ other\) 。 |
|
无 |
|
计算方块矩阵或批量方块矩阵的对数行列式。 |
|
无 |
|
给定LU分解结果 \(A\) 和列向量 \(b\)，求解线性方程组的解y \(Ay = b\)。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
将 LU_data 和 LU_pivots 还原为P、L、U矩阵，其中P为置换矩阵，L为下三角矩阵，U为上三角矩阵。 |
|
无 |
|
计算两个数组的矩阵乘积。 |
|
无 |
|
将矩阵的每个中心带外的所有位置设置为0。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
求解线性方程组。 |
|
当平台为GPU时，如果 matrix 中的矩阵不可逆，将产生错误或者返回一个未知结果。 |
|
将矩阵的每个中心带外的所有位置设置为0。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
返回一个Tensor，其k[0]到k[1]的对角线特定为给定对角线Tensor，其余值均填充为 padding_value 。 |
|
无 |
|
返回输入Tensor的对角线部分。 |
|
无 |
|
返回具有新的对角线值的批处理矩阵Tensor。 |
|
无 |
|
计算两个矩阵的乘积。 |
|
无 |
|
实现矩阵 mat 和向量 vec 相乘。 |
|
无 |
|
计算 input 和 vec2 的外积。 |
|
无 |
|
计算一个普通矩阵与Householder矩阵的乘积。 |
|
无 |
|
计算 |
|
无 |
|
计算一个普通矩阵与Householder矩阵的乘积。 |
|
无 |
|
计算矩阵的（Moore-Penrose）伪逆。 |
|
无 |
|
计算单个或多个矩阵的奇异值分解。 |
|
无 |
|
对一个或多个方阵行列式的绝对值取对数，返回其符号和值。 |
|
无 |
|
返回 input 的主对角线方向上的总和。 |
|
无 |
|
在指定轴上对Tensor a 和 b 进行点乘操作。 |
|
无 |
|
生成一个范德蒙矩阵。 |
|
无 |
|
在指定维度上，计算两批向量的点积。 |
|
这是一个实验性API，后续可能修改或删除。 |
谱函数
接口名 |
概述 |
支持平台 |
警告 |
Bartlett窗口函数是一种三角形状的加权函数，通常用于平滑处理或频域分析信号。 |
|
无 |
|
布莱克曼窗口函数，常用来为FFT截取有限长的信号片段。 |
|
无 |
|
返回一个Hamming window。 |
|
无 |
|
生成一个Hann window。 |
|
无 |
|
生成一个Kaiser window，也叫做Kaiser-Bessel window。 |
|
无 |
Tensor操作函数
Tensor创建
接口名 |
概述 |
支持平台 |
警告 |
创建一个与输入数据类型和shape都相同的Tensor，元素值为对应数据类型能表达的最小值。 |
|
无 |
|
创建一个主对角线上元素为1，其余元素为0的Tensor。 |
|
无 |
|
创建一个指定shape的Tensor，并用指定值填充。 |
|
无 |
|
创建一个指定shape的Tensor，并用指定值填充。 |
|
无 |
|
返回一个shape与 input 相同并且使用 fill_value 填充的Tensor。 |
|
无 |
|
返回一个在区间 start 和 end （包括 start 和 end ）内均匀分布的，包含 steps 个值的一维Tensor。 |
|
无 |
|
返回一个大小为 steps 的1-D Tensor，其值从 \(base^{start}\) 到 \(base^{end}\) ，以 base 为底数。 |
|
无 |
|
返回一个one-hot类型的Tensor。 |
|
无 |
|
创建一个值全为1的Tensor。 |
|
参数 shape 在后续版本中将不再支持Tensor类型的输入。 |
|
返回值为1的Tensor，shape与输入相同。 |
|
无 |
|
返回从 start 开始，步长为 step ，且不超过 end （不包括 end ）的序列。 |
|
无 |
|
返回从 start 开始，步长为 step ，且不超过 end （不包括 end ）的序列。 |
|
无 |
|
创建一个填满0的Tensor，shape由 size 决定， dtype由 dtype 决定。 |
|
参数 size 在后续版本中将不再支持Tensor类型的输入。 |
|
创建一个填满0的Tensor，shape由 input 决定，dtype由 dtype 决定。 |
|
无 |
|
计算输入中每个元素的 Heaviside 阶跃函数。 |
|
无 |
随机生成函数
接口名 |
概述 |
支持平台 |
警告 |
以 p 的概率随机将输出的元素设置为0或1，服从伯努利分布。 |
|
无 |
|
根据伽马分布生成随机数。 |
|
无 |
|
根据拉普拉斯分布生成随机数。 |
|
无 |
|
根据输入生成一个多项式分布的Tensor。 |
|
无 |
|
返回一个Tensor，其中每行包含从重复采样的多项式分布中抽取的 numsamples 个索引。 |
|
无 |
|
返回一个Tensor，shape和dtype由输入决定，其元素为服从均匀分布的 \([0, 1)\) 区间的数字。 |
|
无 |
|
返回一个Tensor，shape和dtype由输入决定，其元素为服从均匀分布的 \([0, 1)\) 区间的数字。 |
|
无 |
|
返回一个Tensor，其元素为 [ low , high ) 区间的随机整数。 |
|
无 |
|
返回一个Tensor，其元素为 [ low , high ) 区间的随机整数，根据 input 决定shape和dtype。 |
|
无 |
|
返回一个Tensor，shape和dtype由输入决定，其元素为服从标准正态分布的数字。 |
|
无 |
|
返回一个Tensor，shape和dtype由输入决定，其元素为服从标准正态分布的数字。 |
|
无 |
|
根据伽马分布产生成随机数。 |
|
无 |
|
从一个指定均值为 rate 的泊松分布中，随机生成形状为 shape 的随机数Tensor。 |
|
无 |
|
生成从 0 到 n-1 的整数随机排列。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
生成符合标准Laplace（mean=0, lambda=1）分布的随机数。 |
|
无 |
|
根据标准正态（高斯）随机数分布生成随机数。 |
|
无 |
|
生成服从均匀分布的随机数。 |
|
无 |
Array操作
接口名 |
概述 |
支持平台 |
警告 |
返回一个Tensor，包含所有输入Tensor非零数值的位置。 |
|
无 |
|
用块划分批次维度，并将这些块交错回空间维度。 |
|
无 |
|
统计 input 中每个值的出现次数。 |
|
无 |
|
基于输入Tensor创建块对角矩阵。 |
|
无 |
|
将输入shape广播到目标shape。 |
|
无 |
|
在指定轴上拼接输入Tensor。 |
|
无 |
|
将shape为 \((*, C, H, W)\) 的Tensor的通道划分成 \(g\) 组，并按如下方式重新排列 \((*, \frac{C}{g}, g, H*W)\) ，同时保持原始Tensor的shape不变。 |
|
无 |
|
沿着指定轴 axis 将输入Tensor切分成 chunks 个sub-tensor。 |
|
无 |
|
将多个Tensor沿着水平方向维度堆叠成一个Tensor，即按列拼接。 |
|
无 |
|
在指定轴上拼接输入Tensor。 |
|
无 |
|
逐元素计算输入Tensor的共轭。 |
|
无 |
|
计算输入Tensor指定轴上的非零元素的数量。 |
|
无 |
|
返回输入Tensor的深拷贝。 |
|
无 |
|
用给定的对角线值构造对角线Tensor。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
创建一个二维Tensor，用展开后的 input 作为它的对角线。 |
|
无 |
|
返回 input 特定的对角线视图。 |
|
无 |
|
dim1 和 dim2 指定 input 的两个维度，这两个维度上的元素将被视为矩阵的元素，并且将 src 嵌入到该矩阵的对角线上。 |
|
无 |
|
返回输入Tensor的shape。 |
|
无 |
|
沿着第三轴将输入Tensor分割成多个子Tensor。 |
|
无 |
|
将多个Tensor沿着第三维度进行堆叠。 |
|
无 |
|
基于爱因斯坦求和约定（Einsum）符号，沿着指定维度对输入Tensor元素的乘积求和。 |
|
无 |
|
对输入 input_x 在给定的轴上添加额外维度， input_x 的维度应该大于等于1。 |
|
无 |
|
沿给定轴翻转Tensor中元素的顺序。 |
|
无 |
|
将输入Tensor中每一行的元素沿左右进行翻转，但保持矩阵的列不变。 |
|
无 |
|
将输入Tensor中每一列的元素沿上下进行翻转，但保持矩阵的行不变。 |
|
无 |
|
返回输入Tensor在指定 axis 上 input_indices 索引对应的元素组成的切片。 |
|
无 |
|
获取指定轴的元素。 |
|
无 |
|
获取指定轴的元素。 |
|
在Ascend后端，以下场景将导致不可预测的行为： 正向执行流程中, 当 index 的取值不在范围 [-input.shape[dim], input.shape[dim]) 内； 反向执行流程中, 当 index 的取值不在范围 [0, input.shape[dim]) 内。 |
|
根据索引获取输入Tensor指定位置上的元素。 |
|
无 |
|
水平地将输入Tensor分割成多个子Tensor。 |
|
无 |
|
将多个Tensor沿着水平方向进行堆叠。 |
|
无 |
|
将Tensor y 加到Parameter x 的指定 axis 轴的指定 indices 位置。 |
|
无 |
|
按 index 中给定的顺序选择索引，将输入 value 值填充到输入Tensor x 的所有 axis 维元素。 |
|
无 |
|
返回一个新的Tensor，该Tensor沿维度 axis 按 index 中给定的索引对 input 进行选择。 |
|
无 |
|
根据 indices，将 x 中的对应位置加上 v 。 |
|
无 |
|
逐元素将一个Tensor updates 添加到原Tensor var 的指定轴和索引处。 |
|
无 |
|
将 v 依照索引 indices 从 x 中减去。 |
|
无 |
|
根据 indices，将 x 中的某些值更新为 v。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
判断输入Tensor是否包含0或False，输入只能是单元素。 |
|
无 |
|
将掩码位置为True的位置填充指定的值。 |
|
无 |
|
返回一个一维Tensor，其中的内容是 input 中对应于 mask 中True位置的值。 |
|
无 |
|
从给定的Tensor生成网格矩阵。 |
|
无 |
|
将 x 在 source 中位置的维度移动到 destination 中的位置。 |
|
无 |
|
调换 x 中 source 和 destination 两个维度的位置。 |
|
无 |
|
沿着指定的轴，指定起始位置获取指定长度的Tensor。 |
|
无 |
|
将 input 中的 NaN 、正无穷大和负无穷大值分别替换为 nan 、posinf 和 neginf 指定的值。 |
|
无 |
|
计算 input 指定维度元素的平均值，忽略NaN。 |
|
无 |
|
计算 input 指定维度元素的中值和索引，忽略NaN。 |
|
如果 input 的中值不唯一，则 indices 不一定包含第一个出现的中值。 |
|
计算 input 指定维度元素的和，将非数字(NaNs)处理为零。 |
|
无 |
|
根据正态（高斯）随机数分布生成随机数。 |
|
无 |
|
返回所有非零元素下标位置。 |
|
无 |
|
返回Tensor的元素的总数量。 |
|
无 |
|
按照输入 axis 的维度顺序排列输入Tensor。 |
|
无 |
|
逐元素计算population count（又称bitsum, bitcount）。 |
|
无 |
|
返回输入Tensor的秩，是一个零维的，数据类型为int32。 |
|
无 |
|
在指定轴上复制输入Tensor的元素，类似 numpy.repeat 的功能。 |
|
无 |
|
沿着轴重复Tensor的元素，类似 numpy.repeat。 |
|
无 |
|
基于给定的 shape ，对输入Tensor进行重新排列。 |
|
无 |
|
|
|
无 |
|
对输入序列进行部分反转。 |
|
无 |
|
沿轴移动Tensor的元素。 |
|
无 |
|
|
无 |
||
根据指定索引将 src 中的值更新到 input 中返回输出。 |
|
无 |
|
根据指定的索引将更新值散布到新Tensor上。 |
|
无 |
|
根据条件判断Tensor中的元素的值，来决定输出中的相应元素是从 input （如果元素值为True）还是从 other （如果元素值为False）中选择。 |
|
无 |
|
将 src 中的值散布到 input 指定维度 axis 的指定位置 index 上。 |
|
无 |
|
返回一个表示每个单元的前N个位置的掩码Tensor，内部元素数据类型为bool。 |
|
无 |
|
返回输入Tensor的shape。 |
|
无 |
|
沿着Tensor第一维随机打乱数据。 |
|
无 |
|
返回一个Scalar，类型为整数，表示输入Tensor的大小，即Tensor中元素的总数。 |
|
无 |
|
根据指定shape对输入Tensor进行切片。 |
|
无 |
|
指定维度上对输入Tensor进行切片并将源Tensor覆盖切片结果。 |
|
无 |
|
按指定顺序对输入Tensor的指定维上的元素进行排序。 |
|
目前能良好支持的数据类型有：float16、uint8、int8、int16、int32、int64。如果使用float32，可能产生精度误差。 |
|
将空间维度划分为对应大小的块，然后在批次维度重排Tensor。 |
|
无 |
|
计算输出Tensor \(output_i = \frac{\sum_j x_{indices[j]}}{N}\) ，其中平均是对所有 \(j\) 满足 \(segment\_ids[j] == i\) 的元素， \(N\) 表示相加的元素个数。 |
|
无 |
|
根据指定的轴将输入Tensor切分成块。 |
|
无 |
|
返回删除指定 axis 中大小为1的维度后的Tensor。 |
|
无 |
|
在指定轴上对输入Tensor序列进行堆叠。 |
|
无 |
|
对输入Tensor根据步长和索引进行切片提取。 |
|
无 |
|
计算Tensor指定维度元素的和。 |
|
无 |
|
交换Tensor的两个维度。 |
|
无 |
|
交换Tensor的两个维度。 |
|
无 |
|
根据指定的更新值 updates 和输入索引 indices ，通过相加运算更新输入Tensor的值。 |
|
无 |
|
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。 |
|
无 |
|
根据指定的更新值 updates 和输入索引 indices ，使用最大值运算更新 input_x，返回一个新的Tensor。 |
|
无 |
|
根据指定的更新值 updates 和输入索引 indices ，使用最小值运算更新 input_x，输出结果通过新的输出Tensor返回。 |
|
无 |
|
根据索引，通过乘法运算得到输出Tensor的值。 |
|
无 |
|
根据指定的更新值和输入索引，通过减法进行运算，将结果赋值到输出Tensor中。 |
|
无 |
|
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。 |
|
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 |
|
根据指定的轴将输入Tensor进行分割成多个子Tensor。 |
|
无 |
|
通过复制 dims 次 input 来创建新的Tensor。 |
|
无 |
|
返回输入Tensor input 的下三角形部分(包含对角线和下面的元素)，并将其他元素设置为0。 |
|
无 |
|
返回输入Tensor input 的上三角形部分(包含对角线和下面的元素)，并将其他元素设置为0。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
根据指定的排列对输入的Tensor进行数据重排。 |
|
无 |
|
根据指定轴对输入矩阵进行分解。 |
|
无 |
|
从一个batch的输入Tensor中提取滑动局部块。 |
|
该算子的输出为三维Tensor，其shape为 \((N, C \times \prod(\text{kernel_size}), L)\) 。 这是一个实验性API，后续可能修改或删除。 |
|
对输入Tensor中元素去重，并返回一个索引Tensor，包含输入Tensor中的元素在输出Tensor中的索引。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
对输入Tensor中连续且重复的元素去重。 |
|
无 |
|
对输入一维Tensor中元素去重，返回一维Tensor中的唯一元素（使用pad_num填充）和相对索引。 |
|
无 |
|
沿分段计算输入Tensor的最大值。 |
|
无 |
|
沿分段计算输入Tensor的最小值。 |
|
无 |
|
沿分段计算输入Tensor元素的乘积。 |
|
无 |
|
沿分段计算输入Tensor元素的和。 |
|
无 |
|
对输入 input 在给定维上添加额外维度。 |
|
无 |
|
根据指定轴对输入矩阵进行分解，与 |
|
无 |
|
将复数Tensor看作实数Tensor。 |
|
无 |
|
根据 indices_or_sections 将输入Tensor input 垂直分割成多个子Tensor。 |
|
无 |
|
将多个Tensor沿着竖直方向进行堆叠。 |
|
无 |
|
返回一个Tensor，Tensor的元素从 input 或 other 中根据 condition 选择。 |
|
无 |
|
返回沿着维度 dim 上，input 和 other 的向量积（叉积）。 |
|
无 |
|
对Tensor沿着指定维度 dim 进行重新规范化，要求每个子Tensor的 p 范数不超过 maxnorm 。 |
|
无 |
类型转换
接口名 |
概述 |
支持平台 |
警告 |
判断输入对象是否为 |
|
无 |
|
该接口从2.3版本开始已被弃用，并将在未来版本中被移除，建议使用 int(x) 或 float(x) 代替。 |
弃用 |
无 |
|
将Scalar转换为指定数据类型的Tensor。 |
|
无 |
|
将tuple转换为Tensor。 |
|
无 |
梯度剪裁
接口名 |
概述 |
支持平台 |
警告 |
通过权重梯度总和的比率来裁剪多个Tensor的值。 |
|
无 |
|
将输入Tensor值裁剪到指定的最小值和最大值之间。 |
|
无 |
|
对一组输入Tensor进行范数裁剪。 |
|
无 |
Parameter操作函数
接口名 |
概述 |
支持平台 |
警告 |
为网络参数赋值。 |
|
无 |
|
通过加法运算更新网络参数。 |
|
无 |
|
从网络参数减去特定数值来更新网络参数。 |
|
无 |
|
根据指定的更新值和输入索引，进行加法运算更新输入Tensor的值，返回更新后的Tensor。 |
|
无 |
|
根据指定更新值和输入索引通过除法操作更新输入数据的值。 |
|
无 |
|
根据指定更新值和输入索引通过最大值操作更新输入数据的值。 |
|
无 |
|
根据指定更新值和输入索引通过最小值操作更新输入数据的值。 |
|
无 |
|
根据指定更新值和输入索引通过乘法运算更新输入数据的值。 |
|
无 |
|
将sparse addition应用于Tensor中的单个值或切片。 |
|
无 |
|
将sparse division应用于Tensor中的单个值或切片。 |
|
无 |
|
对Tensor中的单个值或切片应用sparse maximum。 |
|
无 |
|
对Tensor中的单个值或切片应用sparse minimum。 |
|
无 |
|
使用给定值通过乘法运算和输入索引更新Parameter值。 |
|
无 |
|
使用给定值通过减法运算和输入索引更新Tensor值。 |
|
无 |
|
使用给定的更新值和输入索引更新输入Tensor的值。 |
|
无 |
微分函数
接口名 |
概述 |
支持平台 |
警告 |
计算函数或网络输出对输入的高阶微分。 |
|
无 |
|
计算函数或网络输出对输入的高阶微分。 |
|
无 |
|
用于消除某个值对梯度的影响，例如截断来自于函数输出的梯度传播。 |
|
无 |
调试函数
接口名 |
概述 |
支持平台 |
警告 |
将输入数据进行打印输出。 |
|
无 |
稀疏函数
警告
这些是实验性API，后续可能修改或删除。
接口名 |
概述 |
支持平台 |
警告 |
将常规Tensor转为稀疏化的COOTensor。 |
|
无 |
|
将常规Tensor转为稀疏化的CSRTensor。 |
|
无 |
|
将一个CSRTensor转化成一个COOTensor。 |
|
无 |
COO函数
警告
这些是实验性API，后续可能修改或删除。
接口名 |
概述 |
支持平台 |
警告 |
逐元素计算输入COOTensor的绝对值。 |
|
无 |
|
逐元素计算输入COOTensor的反余弦。 |
|
无 |
|
逐元素计算输入COOTensor的反双曲余弦。 |
|
给定一个输入COOTensor x ，该函数计算每个元素的反双曲余弦。输入范围为[1, inf]。 |
|
两个COOTensor相加，根据相加的结果与 thresh 返回新的COOTensor。 |
|
无 |
|
逐元素计算输入COOTensor的反正弦。 |
|
无 |
|
计算COOTensor输入元素的反双曲正弦。 |
|
无 |
|
逐元素计算输入COOTensor的反正切值。 |
|
无 |
|
逐元素计算输入COOTensor的反双曲正切值。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
COOTensor向上取整函数。 |
|
无 |
|
根据指定的轴concat_dim对输入的COO Tensor（sp_input）进行合并操作。 |
|
这是一个实验性API，后续可能修改或删除。目前只支持CPU。 |
|
逐元素计算COOTensor输入的余弦。 |
|
目前支持float16、float32数据类型。如果使用float64，可能会存在精度丢失的问题。 |
|
逐元素计算COOTensor x 的双曲余弦值。 |
|
无 |
|
逐元素计算COOTensor x 的指数。 |
|
无 |
|
逐元素计算输入COOTensor的指数，然后减去1。 |
|
无 |
|
COOTensor逐元素向下取整函数。 |
|
无 |
|
逐元素计算输入COOTensor的倒数。 |
|
无 |
|
判断COOTensor输入数据每个位置上的值是否是有限数。 |
|
无 |
|
确定输入COOTensor每个位置上的元素是否为正负无穷大。 |
|
无 |
|
判断COOTensor输入数据每个位置上的值是否是Nan。 |
|
无 |
|
逐元素返回COOTensor的自然对数。 |
|
如果算子Log的输入值在(0, 0.01]或[0.95, 1.05]范围内，则输出精度可能会存在误差。 |
|
对输入COOTensor逐元素加一后计算自然对数。 |
|
无 |
|
计算输入COOTensor的相反数并返回。 |
|
无 |
|
对输入的COOTensor逐元素计算其应用ReLU激活函数后的值。 |
|
无 |
|
对输入的COOTensor计算其应用ReLU激活函数后的值，上限为6。 |
|
无 |
|
对COOTensor输入数据进行四舍五入到最接近的整数数值。 |
|
无 |
|
Sigmoid激活函数，COOTensor逐元素计算Sigmoid激活函数。 |
|
无 |
|
逐元素计算输入COOTensor的正弦。 |
|
无 |
|
逐元素计算输入COOTensor的双曲正弦。 |
|
无 |
|
COOTensor Softsign激活函数。 |
|
无 |
|
逐元素返回当前COOTensor的平方根。 |
|
无 |
|
逐元素返回COOTensor的平方。 |
|
无 |
|
计算COOTensor输入元素的正切值。 |
|
无 |
|
按元素计算COOTensor输入元素的双曲正切。 |
|
无 |
CSR函数
警告
这些是实验性API，后续可能修改或删除。
接口名 |
概述 |
支持平台 |
警告 |
逐元素计算输入CSRTensor的绝对值。 |
|
无 |
|
逐元素计算输入CSRTensor的反余弦。 |
|
无 |
|
逐元素计算输入CSRTensor的反双曲余弦。 |
|
无 |
|
\(a\) 和 \(b\) 是CSRTensor，\(alpha\) 和 \(beta\) 是Tensor。 |
|
无 |
|
逐元素计算输入CSRTensor的反正弦。 |
|
无 |
|
计算CSRTensor输入元素的反双曲正弦。 |
|
无 |
|
逐元素计算输入CSRTensor的反正切值。 |
|
无 |
|
逐元素计算输入CSRTensor的反双曲正切值。 |
|
这是一个实验性API，后续可能修改或删除。 |
|
CSRTensor向上取整函数。 |
|
无 |
|
逐元素计算CSRTensor输入的余弦。 |
|
目前支持float16、float32数据类型。如果使用float64，可能会存在精度丢失的问题。 |
|
逐元素计算CSRTensor x 的双曲余弦值。 |
|
无 |
|
逐元素计算CSRTensor x 的指数。 |
|
无 |
|
逐元素计算输入CSRTensor的指数，然后减去1。 |
|
无 |
|
CSRTensor逐元素向下取整函数。 |
|
无 |
|
逐元素计算输入CSRTensor的倒数。 |
|
无 |
|
判断CSRTensor输入数据每个位置上的值是否是有限数。 |
|
无 |
|
确定输入CSRTensor每个位置上的元素是否为无穷大或无穷小。 |
|
无 |
|
判断CSRTensor输入数据每个位置上的值是否是Nan。 |
|
无 |
|
逐元素返回CSRTensor的自然对数。 |
|
如果算子Log的输入值在(0, 0.01]或[0.95, 1.05]范围内，则输出精度可能会存在误差。 |
|
对输入CSRTensor逐元素加一后计算自然对数。 |
|
无 |
|
返回稀疏矩阵a与稀疏矩阵或稠密矩阵b的矩阵乘法结果。 |
|
无 |
|
计算输入CSRTensor的相反数并返回。 |
|
无 |
|
逐元素计算CSRTensor的ReLU（Rectified Linear Unit）激活值。 |
|
无 |
|
逐元素计算CSRTensor的ReLU值，其上限为6。 |
|
无 |
|
对CSRTensor输入数据进行四舍五入到最接近的整数数值。 |
|
无 |
|
Sigmoid激活函数，CSRTensor逐元素计算Sigmoid激活函数。 |
|
无 |
|
逐元素计算输入CSRTensor的正弦。 |
|
无 |
|
逐元素计算输入CSRTensor的双曲正弦。 |
|
无 |
|
计算 CSRTensorMatrix 的 softmax 。 |
|
无 |
|
CSRTensor Softsign激活函数。 |
|
无 |
|
逐元素返回当前CSRTensor的平方根。 |
|
无 |
|
逐元素返回CSRTensor的平方。 |
|
无 |
|
逐元素计算CSRTensor的正切值。 |
|
无 |
|
逐元素计算CSRTensor输入元素的双曲正切。 |
|
无 |