mindspore.Tensor.scatter_sub
- mindspore.Tensor.scatter_sub(indices, updates)[源代码]
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。当同一索引有不同值时,更新的结果将分别减去这些值。此操作几乎等同于使用
mindspore.ops.ScatterNdSub
,只是更新后的结果是通过算子output返回,而不是直接原地更新input。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,其中 input_x 指当前Tensor。有关更多详细信息,请参见样例。
说明
GPU平台上,如果 indices 的某些值超出范围,则相应的 updates 不会更新到 input_x ,而不是抛出索引错误。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。
- 参数:
indices (Tensor) - Tensor的索引,数据类型为int32或int64。其rank至少为2。
updates (Tensor) - 指定与本Tensor相减操作的Tensor,其数据类型与该Tensor相同。 updates.shape 应等于 indices.shape[:-1] + self.shape[indices.shape[-1]:] 。
- 返回:
Tensor,shape和数据类型与原Tensor相同。
- 异常:
TypeError - indices 的数据类型既不是int32,也不是int64。
ValueError - Tensor的shape长度小于 indices 的shape的最后一个维度。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import numpy as np >>> from mindspore import Tensor >>> x = Tensor(np.array([[-0.1, 0.3, 3.6], [0.4, 0.5, -3.2]]).astype('float32')) >>> indices = Tensor(np.array([[0, 0], [0, 0]]).astype('int32')) >>> updates = Tensor(np.array([1.0, 2.2]).astype('float32')) >>> output = x.scatter_sub(indices, updates) >>> print(output) [[-3.3000002 0.3 3.6 ] [ 0.4 0.5 -3.2 ]]