mindspore.ops.scatter_min
- mindspore.ops.scatter_min(input_x, indices, updates)[源代码]
根据指定更新值和输入索引通过最小值操作更新输入数据的值。 该操作在更新完成后输出 input_x ,这样方便使用更新后的值。
对于 indices.shape 的每个 \(i, ..., j\) :
\[\text{input_x}[\text{indices}[i, ..., j], :] = \min(\text{input_x}[\text{indices}[i, ..., j], :], \text{updates}[i, ..., j, :])\]输入的 input_x 和 updates 遵循隐式类型转换规则,以确保数据类型一致。如果数据类型不同,则低精度数据类型将转换为高精度的数据类型。当 updates 不支持转成 input_x 需要的数据类型时,则会抛出RuntimeError异常。
- 参数:
input_x (Parameter) - 目标Tensor,数据类型为Parameter。
indices (Tensor) - 指定最小值操作的索引,数据类型必须为mindspore.int32或者mindspore.int64。
updates (Tensor) - 指定与 input_x 取最小值操作的Tensor,数据类型与 input_x 相同,shape为 indices.shape + input_x.shape[1:] 。
- 返回:
Tensor,更新后的 input_x ,shape和类型与 input_x 相同。
- 异常:
TypeError - indices 不是int32或者int64。
ValueError - updates 的shape不等于 indices.shape + input_x.shape[1:] 。
RuntimeError - 当 input_x 和 updates 类型不一致,需要进行类型转换时,如果 updates 不支持转成参数 input_x 需要的数据类型,就会报错。
RuntimeError - 在Ascend平台上,输入的 input_x , indices 和 updates 的数据维度大于八维。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import numpy as np >>> import mindspore >>> from mindspore import Tensor, Parameter >>> from mindspore import ops >>> input_x = Parameter(Tensor(np.zeros((2, 3)), mindspore.float32), name="input_x") >>> indices = Tensor(np.array([1, 0]), mindspore.int32) >>> update = Tensor(np.arange(6).reshape((2, 3)), mindspore.float32) >>> output = ops.scatter_min(input_x, indices, update) >>> print(output) [[0. 0. 0.] [0. 0. 0.]]