mindspore.ops.ScatterNdAdd
- class mindspore.ops.ScatterNdAdd(use_locking=False)[源代码]
使用给定值通过加法运算和输入索引更新Tensor值。在更新完成后输出 input_x 。这有利于更加方便地使用更新后的值。
更多参考详见
mindspore.ops.scatter_nd_add()
。- 参数:
use_locking (bool,可选) - 是否启用锁保护。默认值:
False
。
- 输入:
input_x (Parameter) - 输入参数,数据类型是Parameter。其shape为 \((N, *)\) ,其中 \(*\) 为任意数量的额外维度。
indices (Tensor) - 指定加法操作的索引,数据类型为mindspore.int32。索引的rank必须至少为2,并且 indices.shape[-1] <= len(shape) 。
updates (Tensor) - 指定与 input_x 相加操作的Tensor,数据类型与 input_x 相同,shape为 indices.shape[:-1] + x.shape[indices.shape[-1]:] 。
- 输出:
Tensor,更新后的 input_x ,shape和数据类型与 input_x 相同。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import mindspore >>> import numpy as np >>> from mindspore import Tensor, ops, Parameter >>> input_x = Parameter(Tensor(np.array([1, 2, 3, 4, 5, 6, 7, 8]), mindspore.float32), name="x") >>> indices = Tensor(np.array([[2], [4], [1], [7]]), mindspore.int32) >>> updates = Tensor(np.array([6, 7, 8, 9]), mindspore.float32) >>> use_locking = False >>> scatter_nd_add = ops.ScatterNdAdd(use_locking) >>> output = scatter_nd_add(input_x, indices, updates) >>> print(output) [ 1. 10. 9. 4. 12. 6. 7. 17.] >>> input_x = Parameter(Tensor(np.zeros((4, 4, 4)), mindspore.int32)) >>> indices = Tensor(np.array([[0], [2]]), mindspore.int32) >>> updates = Tensor(np.array([[[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3], [4, 4, 4, 4]], ... [[5, 5, 5, 5], [6, 6, 6, 6], [7, 7, 7, 7], [8, 8, 8, 8]]]), mindspore.int32) >>> use_locking = False >>> scatter_nd_add = ops.ScatterNdAdd(use_locking) >>> output = scatter_nd_add(input_x, indices, updates) >>> print(output) [[[1 1 1 1] [2 2 2 2] [3 3 3 3] [4 4 4 4]] [[0 0 0 0] [0 0 0 0] [0 0 0 0] [0 0 0 0]] [[5 5 5 5] [6 6 6 6] [7 7 7 7] [8 8 8 8]] [[0 0 0 0] [0 0 0 0] [0 0 0 0] [0 0 0 0]]]