mindspore.ops.scatter_nd_add
- mindspore.ops.scatter_nd_add(input_x, indices, updates, use_locking=False)[源代码]
将sparse addition应用于Tensor中的单个值或切片。
使用给定值通过加法运算和输入索引更新Tensor值。在更新完成后输出 input_x ,这有利于更加方便地使用更新后的值。
input_x 的rank为P,而 indices 的rank为Q, Q >= 2 。
indices 的shape为 \((i_0, i_1, ..., i_{Q-2}, N)\) , N <= P 。
indices 的最后一个维度(长度为 N )表示沿着 input_x 的 N 个维度进行切片。
updates 表示rank为 Q-1+P-N 的Tensor,shape为 \((i_0, i_1, ..., i_{Q-2}, x\_shape_N, ..., x\_shape_{P-1})\) 。
- 参数:
input_x (Parameter) - scatter_nd_add的输入,任意维度的Parameter。
indices (Tensor) - 指定加法操作的索引,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 相加操作的Tensor,数据类型与 input_x 相同,shape为 indices.shape[:-1] + x.shape[indices.shape[-1]:] 。
use_locking (bool) - 是否启用锁保护。默认值:
False
。
- 返回:
Tensor,更新后的 input_x ,shape和数据类型与 input_x 相同。
- 异常:
TypeError - use_locking 的数据类型不是bool。
TypeError - indices 的数据类型不是int32或int64。
TypeError - input_x 和 updates 的数据类型不相同。
ValueError - updates 的shape不等于 indices.shape[:-1] + x.shape[indices.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。
- 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.array([1, 2, 3, 4, 5, 6, 7, 8]), mindspore.float32), name="x") >>> indices = Tensor(np.array([[2], [4], [1], [7]]), mindspore.int32) >>> updates = Tensor(np.array([6, 7, 8, 9]), mindspore.float32) >>> output = ops.scatter_nd_add(input_x, indices, updates, False) >>> print(output) [ 1. 10. 9. 4. 12. 6. 7. 17.] >>> input_x = Parameter(Tensor(np.zeros((4, 4, 4)), 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) >>> output = ops.scatter_nd_add(input_x, indices, updates, False) >>> print(output) [[[1 1 1 1] [2 2 2 2] [3 3 3 3] [4 4 4 4]] [[0 0 0 0] [0 0 0 0] [0 0 0 0] [0 0 0 0]] [[5 5 5 5] [6 6 6 6] [7 7 7 7] [8 8 8 8]] [[0 0 0 0] [0 0 0 0] [0 0 0 0] [0 0 0 0]]]