mindspore.ops.tensor_scatter_max
- mindspore.ops.tensor_scatter_max(input_x, indices, updates)[源代码]
根据指定的更新值 updates 和输入索引 indices ,使用最大值运算更新 input_x,返回一个新的Tensor。
输入索引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。
\[output\left [indices \right ] = \max(input\_x, update)\]说明
如果 indices 中的值超出输入 input_x 索引范围:
GPU平台上相应的 updates 不会更新到 input_x 且不会抛出索引错误。
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:
input_x (Tensor) - 输入Tensor。 input_x 的维度必须不小于indices.shape[-1]。
indices (Tensor) - 输入Tensor的索引,数据类型为int32或int64。其rank必须至少为2。
updates (Tensor) - 指定与 input_x 取最大值操作的Tensor,其数据类型与 input_x 相同。并且其shape应等于 \(indices.shape[:-1] + input\_x.shape[indices.shape[-1]:]\) 。
- 返回:
Tensor,shape和数据类型与输入 input_x 相同。
- 异常:
TypeError - indices 的数据类型不为int32或int64。
ValueError - input_x 的rank小于 indices.shape 的最后一维。
RuntimeError - 在CPU平台中,indices 中的值超出了 input_x 的索引范围。
- 支持平台:
GPU
CPU
样例:
>>> import mindspore >>> import numpy as np >>> from mindspore import Tensor, ops >>> input_x = Tensor(np.array([[-0.1, 0.3, 3.6], [0.4, 0.5, -3.2]]), mindspore.float32) >>> indices = Tensor(np.array([[0, 0], [0, 0]]), mindspore.int32) >>> updates = Tensor(np.array([1.0, 2.2]), mindspore.float32) >>> # Next, demonstrate the approximate operation process of this operator: >>> # 1, indices[0] = [0, 0], indices[1] = [0, 0] >>> # 2, And input_x[0, 0] = -0.1 >>> # 3, So input_x[indices] = [-0.1, -0.1] >>> # 4, Satisfy the above formula: input_x[indices].shape=(2) == updates.shape=(2) >>> output = ops.tensor_scatter_max(input_x, indices, updates) >>> # 5, Perform the max operation for the first time: >>> # first_input_x = Max(input_x[0][0], updates[0]) = [[1.0, 0.3, 3.6], [0.4, 0.5, -3.2]] >>> # 6, Perform the max operation for the second time: >>> # second_input_x = Max(input_x[0][0], updates[1]) = [[2.2, 0.3, 3.6], [0.4, 0.5, -3.2]] >>> print(output) [[ 2.2 0.3 3.6] [ 0.4 0.5 -3.2]]