文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.unsorted_segment_sum

mindspore.ops.unsorted_segment_sum(input_x, segment_ids, num_segments)

沿分段计算输入Tensor元素的和。

计算输出Tensor $\text{output}[i]=\sum _{segment\mathrm{\_}ids[j]==i}\text{data}[j,\dots ]$ ，其中 $j,...$ 是代表元素索引的Tuple。 segment_ids 确定输入Tensor元素的分段。 segment_ids 不需要排序，也不需要覆盖 num_segments 范围内的所有值。

unsorted_segment_sum的计算过程如下图所示：

说明

• 如果 segment_ids 中不存在segment_id i ，则对输出 output[i] 填充0。

• 在Ascend平台上，如果segment_id的值小于0或大于输入Tensor的shape的长度，将触发执行错误。

如果给定的segment_ids $i$ 的和为空，则 $\text{output}[i]=0$ 。如果 segment_ids 元素为负数，将忽略该值。 num_segments 必须等于不同segment_id的数量。

参数：

• input_x (Tensor) - 待进行分段求和的Tensor，shape： $(x_1,x_2,...,x_R)$ 。

• segment_ids (Tensor) - 用于指示每个元素所属段的标签，将shape设置为 $(x_1,x_2,...,x_N)$ ，其中0<N<=R。

• num_segments (Union[int, Tensor], 可选) - 分段数量 $z$ ，可以为int或零维的Tensor。

返回：

Tensor, shape为 $(z,x_{N+1},...,x_R)$。

异常：

• TypeError - num_segments 不是int类型或者零维Tensor。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> from mindspore import Tensor
>>> from mindspore import ops
>>> input_x = Tensor([1, 2, 3, 4], mindspore.float32)
>>> segment_ids = Tensor([0, 0, 1, 2], mindspore.int32)
>>> num_segments = 4
>>> output = ops.unsorted_segment_sum(input_x, segment_ids, num_segments)
>>> print(output)
[3. 3. 4. 0.]
>>> input_x = Tensor([1, 2, 3, 4, 2, 5], mindspore.float32)
>>> segment_ids = Tensor([0, 0, 1, 2, 3, 4], mindspore.int32)
>>> num_segments = 6
>>> output = ops.unsorted_segment_sum(input_x, segment_ids, num_segments)
>>> print(output)
[3. 3. 4. 2. 5. 0.]