mindspore.mint.gather

mindspore.mint.gather(input, dim, index)

返回输入Tensor在指定 index 索引对应的元素组成的切片。

\[output[(i_0, i_1, ..., i_{dim}, i_{dim+1}, ..., i_n)] = input[(i_0, i_1, ..., index[(i_0, i_1, ..., i_{dim}, i_{dim+1}, ..., i_n)], i_{dim+1}, ..., i_n)]\]

警告

在Ascend后端，以下场景将导致不可预测的行为：

• 正向执行流程中，当 index 的取值不在范围 [-input.shape[dim], input.shape[dim]) 内；

• 反向执行流程中，当 index 的取值不在范围 [0, input.shape[dim]) 内。

参数：

• input (Tensor) - 待索引切片取值的原始Tensor。

• dim (int) - 指定要切片的维度索引。取值范围 [-input.rank, input.rank)。

• index (Tensor) - 指定原始Tensor中要切片的索引。数据类型必须是int32或int64。需要同时满足以下条件：

  • index.rank == input.rank；

  • 对于 axis != dim ， index.shape[axis] <= input.shape[axis] ；

  • index 的取值在有效区间 [-input.shape[dim], input.shape[dim]) ；

返回：

Tensor，数据类型与 input 保持一致，shape与 index 保持一致。

异常：

• ValueError - input 的shape取值非法。

• ValueError - dim 取值不在有效范围 [-input.rank, input.rank)。

• ValueError - index 的值不在有效范围。

• TypeError - index 的数据类型非法。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, mint
>>> input = Tensor(np.array([[-0.1, 0.3, 3.6], [0.4, 0.5, -3.2]]), mindspore.float32)
>>> index = Tensor(np.array([[0, 0], [1, 1]]), mindspore.int32)
>>> output = mint.gather(input, 1, index)
>>> print(output)
[[-0.1 -0.1]
 [0.5   0.5]]