mindspore.ops.prod
- mindspore.ops.prod(input, axis=None, keep_dims=False, dtype=None)[源代码]
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。也可仅缩小该维度大小至1。 keep_dims 控制输出和输入的维度是否相同。
说明
Tensor类型的 axis 仅用作兼容旧版本,不推荐使用。
- 参数:
input (Tensor[Number]) - 输入Tensor,其数据类型为数值型。shape: \((N, *)\) ,其中 \(*\) 表示任意数量的附加维度。
axis (Union[int, tuple(int), list(int), Tensor]) - 要减少的维度。默认值:
None
,缩小所有维度。只允许常量值。假设 input 的秩为r,取值范围[-r,r)。keep_dims (bool) - 如果为
True
,则保留缩小的维度,大小为1。否则移除维度。默认值:False
。dtype (
mindspore.dtype
) - 期望输出Tensor的类型。默认值:None
。
- 返回:
Tensor。
如果 axis 为
None
,且 keep_dims 为False
,则输出一个零维Tensor,表示输入Tensor中所有元素的乘积。如果 axis 为int,取值为1,并且 keep_dims 为
False
,则输出的shape为 \((input_0, input_2, ..., input_R)\) 。如果 axis 为tuple(int)或list(int),取值为(1, 2),并且 keep_dims 为
False
,则输出Tensor的shape为 \((input_0, input_3, ..., input_R)\) 。如果 axis 为一维Tensor,例如取值为[1, 2],并且 keep_dims 为
False
,则输出Tensor的shape为 \((input_0, input_3, ..., input_R)\) 。
- 异常:
TypeError - input 不是Tensor。
TypeError - axis 不是以下数据类型之一:int、Tuple、list或Tensor。
TypeError - keep_dims 不是bool类型。
ValueError - axis 超出范围。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import mindspore >>> import numpy as np >>> from mindspore import Tensor, ops >>> x = Tensor(np.random.randn(3, 4, 5, 6).astype(np.float32)) >>> output = ops.prod(x, 1, keep_dims=True) >>> result = output.shape >>> print(result) (3, 1, 5, 6) >>> # case 1: Reduces a dimension by multiplying all elements in the dimension. >>> x = Tensor(np.array([[[1, 1, 1, 1, 1, 1], [2, 2, 2, 2, 2, 2], [3, 3, 3, 3, 3, 3]], ... [[4, 4, 4, 4, 4, 4], [5, 5, 5, 5, 5, 5], [6, 6, 6, 6, 6, 6]], ... [[7, 7, 7, 7, 7, 7], [8, 8, 8, 8, 8, 8], [9, 9, 9, 9, 9, 9]]]), mindspore.float32) >>> output = ops.prod(x) >>> print(output) 2.2833798e+33 >>> print(output.shape) () >>> # case 2: Reduces a dimension along axis 0. >>> output = ops.prod(x, 0, True) >>> print(output) [[[ 28. 28. 28. 28. 28. 28.] [ 80. 80. 80. 80. 80. 80.] [162. 162. 162. 162. 162. 162.]]] >>> # case 3: Reduces a dimension along axis 1. >>> output = ops.prod(x, 1, True) >>> print(output) [[[ 6. 6. 6. 6. 6. 6.]] [[120. 120. 120. 120. 120. 120.]] [[504. 504. 504. 504. 504. 504.]]] >>> # case 4: Reduces a dimension along axis 2. >>> output = ops.prod(x, 2, True) >>> print(output) [[[1.00000e+00] [6.40000e+01] [7.29000e+02]] [[4.09600e+03] [1.56250e+04] [4.66560e+04]] [[1.17649e+05] [2.62144e+05] [5.31441e+05]]]