mindspore.ops.broadcast_to

mindspore.ops.broadcast_to(input, shape)[源代码]

将输入shape广播到目标shape。输入shape维度必须小于等于目标shape维度，设输入shape为 \((x_1, x_2, ..., x_m)\)，目标shape为 \((*, y_1, y_2, ..., y_m)\)，其中 \(*\) 为任意额外的维度。广播规则如下：

依次比较 \(x_m\) 与 \(y_m\) 、 \(x_{m-1}\) 与 \(y_{m-1}\) 、…、 \(x_1\) 与 \(y_1\) 的值确定是否可以广播以及广播后输出shape对应维的值。

  • 如果相等，则这个值即为目标shape该维的值。比如说输入shape为 \((2, 3)\) ，目标shape为 \((2, 3)\) ，则输出shape为 \((2, 3)\)。

  • 如果不相等，分以下三种情况：

    • 情况一：如果目标shape该维的值为-1，则输出shape该维的值为对应输入shape该维的值。比如说输入shape为 \((3, 3)\) ，目标shape为 \((-1, 3)\) ，则输出shape为 \((3, 3)\) ；

    • 情况二：如果目标shape该维的值不为-1，但是输入shape该维的值为1，则输出shape该维的值为目标shape该维的值。比如说输入shape为 \((1, 3)\) ，目标shape为 \((8, 3)\) ，则输出shape为 \((8, 3)\) ；

    • 情况三：如果两个shape对应值不满足以上情况则说明不支持由输入shape广播到目标shape。

至此输出shape后面m维就确定好了，现在看一下前面 \(*\) 维，有以下两种情况：

  • 如果额外的 \(*\) 维中不含有-1，则输入shape从低维度补充维度使之与目标shape维度一致，比如说目标shape为 \((3, 1, 4, 1, 5, 9)\) ，输入shape为 \((1, 5, 9)\) ，则输入shape增维变成 \((1, 1, 1, 1, 5, 9)\)，根据上面提到的情况二可以得出输出shape为 \((3, 1, 4, 1, 5, 9)\)；

  • 如果额外的 \(*\) 维中含有-1，说明此时该-1对应一个不存在的维度，不支持广播。比如说目标shape为 \((3, -1, 4, 1, 5, 9)\) ，输入shape为 \((1, 5, 9)\) ，此时不进行增维处理，而是直接报错。

参数：

  • input (Tensor) - 第一个输入，任意维度的Tensor。

  • shape (tuple) - 第二个输入，指定广播到目标 shape。

返回：

Tensor，shape与目标 shape 相同，数据类型与 input 相同。

异常：

  • TypeError - shape 不是tuple。

  • ValueError - 输入shape 无法广播到目标 shape ，或者目标 shape 中的-1维度位于一个无效位置。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> shape = (2, 3)
>>> x = Tensor(np.array([1, 2, 3]).astype(np.float32))
>>> output = ops.broadcast_to(x, shape)
>>> print(output)
[[1. 2. 3.]
[1. 2. 3.]]
>>> shape = (-1, 2)
>>> x = Tensor(np.array([[1], [2]]).astype(np.float32))
>>> output = ops.broadcast_to(x, shape)
>>> print(output)
[[1. 1.]
[2. 2.]]