mindspore.ops.tensor_scatter_min

mindspore.ops.tensor_scatter_min(input_x, indices, updates)[源代码]

根据指定的更新值 updates 和输入索引 indices ，使用最小值运算更新 input_x，输出结果通过新的输出Tensor返回。

索引 indices 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。 并且其shape应该等于 input_x[indices] 的shape。更多详细信息，请参见下方样例。

\[output\left [indices \right ] = \min(input\_x, update)\]

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至少为2。

  • updates (Tensor) - 指定与 input_x 取最小值操作的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：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor
>>> from mindspore import 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)
>>> output = ops.tensor_scatter_min(input_x, indices, updates)
>>> print(output)
[[ -0.1  0.3  3.6]
[ 0.4  0.5 -3.2]]