mindspore.ops.ScatterNdMin
- class mindspore.ops.ScatterNdMin(use_locking=False)[源代码]
对张量中的单个值或切片应用稀疏最小值。
使用给定值通过最小值运算和输入索引更新 input_x 的值。为便于使用更新后的值,函数返回 input_x 的副本。
更多参考详见
mindspore.ops.scatter_nd_min()
。- 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,数据类型为Parameter。
indices (Tensor) - 指定最小值操作的索引,数据类型为mindspore.int32或mindspore.int64。索引的rank必须至少为2,并且 indices.shape[-1] <= len(shape) 。
updates (Tensor) - 指定与 input_x 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.ones(8) * 10, 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_min = ops.ScatterNdMin(use_locking) >>> output = scatter_nd_min(input_x, indices, updates) >>> print(output) [10. 8. 6. 10. 7. 10. 10. 9.] >>> input_x = Parameter(Tensor(np.ones((4, 4, 4)) * 10, 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_min = ops.ScatterNdMin(use_locking) >>> output = scatter_nd_min(input_x, indices, updates) >>> print(output) [[[ 1 1 1 1] [ 2 2 2 2] [ 3 3 3 3] [ 4 4 4 4]] [[10 10 10 10] [10 10 10 10] [10 10 10 10] [10 10 10 10]] [[ 5 5 5 5] [ 6 6 6 6] [ 7 7 7 7] [ 8 8 8 8]] [[10 10 10 10] [10 10 10 10] [10 10 10 10] [10 10 10 10]]]