mindspore.ops.kron

mindspore.ops.kron(input, other)

计算 input 和 other 的Kronecker积：$input\otimes other$ 。 如果 input 是Tensor $(a_0$ input $a_1$ input … input $a_n)$ ， other 是Tensor $(b_0$ input $b_1$ input … input $b_n)$ ，计算结果为Tensor $(a_0\ast b_0$ input $a_1\ast b_1$ input … input $a_n\ast b_n)$ ，计算公式如下：

$$(input\otimes y{)}_{k_0,k_1,...k_n}=inpu{t}_{i_0,i_1,...i_n}\ast othe{r}_{j_0,j_1,...j_n},$$

其中，对于所有的 0 ≤ t ≤ n，都有 $k_t=i_t\ast b_t+j_t$ 。如果其中一个Tensor维度小于另外一个， 则对维度较小的Tensor进行unsqueeze补维操作，直到两个Tensor维度相同为止。

说明

支持实数和复数类型的输入。

参数：

• input (Tensor) - 输入Tensor，shape为 $(r0,r1,...,rN)$ 。

• other (Tensor) - 输入Tensor，shape为 $(s0,s1,...,sN)$ 。

返回：

Tensor，shape为 $(r0\ast s0,r1\ast s1,...,rN\ast sN)$ 。

异常：

• TypeError - input 不是Tensor。

• TypeError - other 不是Tensor。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, nn
>>> from mindspore import ops
>>> input = Tensor(np.array([[0, 1, 2], [3, 4, 5]])).astype(np.float32)
>>> other = Tensor(np.array([[-1, -2, -3], [-4, -6, -8]])).astype(np.float32)
>>> output = ops.kron(input, other)
>>> print(output)
[[  0.   0.   0.  -1.  -2.  -3.  -2.  -4.  -6.]
 [  0.   0.   0.  -4.  -6.  -8.  -8. -12. -16.]
 [ -3.  -6.  -9.  -4.  -8. -12.  -5. -10. -15.]
 [-12. -18. -24. -16. -24. -32. -20. -30. -40.]]