mindspore.mint.sub

mindspore.mint.sub(input, other, *, alpha=1)

对 other 缩放 scalar 后与 input 相减。

\[out_{i} = input_{i} - alpha \times other_{i}\]

说明

• 当两个输入shape不同时， 它们必须能够广播到一个共同的shape。

• 两个输入和 alpha 遵守隐式类型转换规则以使数据类型 保持一致。

参数：

• input (Union[Tensor, number.Number, bool]) - 第一个输入是一个 number.Number、 一个 bool 或一个数据类型为 number 或 bool_ 的Tensor。

• other (Union[Tensor, number.Number, bool]) - 第二个输入，是一个 number.Number、 一个 bool 或一个数据类型为 number 或 bool_ 的Tensor。

关键字参数：

• alpha (number.Number) - 应用于 other 的缩放因子，默认值为1。

返回：

Tensor，其shape与输入 input、 other 广播后的shape相同， 数据类型是两个输入和 alpha 中精度更高或位数更多的类型。

异常：

• TypeError - 如果 input、 other 不是以下之一：Tensor、number.Number、bool。

• TypeError - 如果 alpha 是 float 类型，但是 input、 other 不是 float 类型。

• TypeError - 如果 alpha 是 bool 类型，但是 input、 other 不是 bool 类型。

支持平台：

Ascend

样例：

>>> import numpy as np
>>> import mindspore
>>> from mindspore import Tensor
>>> from mindspore import mint
>>> x = Tensor(np.array([4, 5, 6]).astype(np.float32))
>>> y = Tensor(1, mindspore.int32)
>>> alpha = 0.5
>>> output = mint.sub(x, y, alpha=alpha)
>>> print(output)
[3.5 4.5 5.5]
>>> # the data type of x is float32, the data type of y is int32,
>>> # alpha is a float, and the output is the data format of higher precision float32.
>>> print(output.dtype)
Float32