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。

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。

mindspore.mint.float_power

mindspore.mint.float_power(input, exponent)[源代码]

使用双精度计算 input 中每个元素的 exponent 次幂，并返回一个float64类型的Tensor。

outi=inputiexponenti

警告

这是一个实验性API，后续可能修改或删除。

说明

和 ops.pow 不同，该函数总是使用双精度进行计算，而 ops.pow 的计算精度则取决于类型提升结果。 目前该函数不支持复数计算。 由于在Ascend设备上float64类型计算性能比不上其他数据类型，因此建议该函数有且仅有在追求双精度且对性能要求不高的场景使用，否则 ops.pow 会是更好的选项。

参数：

  • input (Union[Tensor, Number]) - 第一个输入，为Tensor或数值型数据类型。

  • exponent (Union[Tensor, Number]) - 第二个输入，如果第一个输入是Tensor，第二个输入可以是Number或Tensor。否则，必须是Tensor。

返回：

Tensor，输出的shape与广播后的shape相同，返回的数据类型为mindspore.float64。

异常：

  • TypeError - input 和 exponent 都不是Tensor。

  • TypeError - input 或 exponent 既不是Tensor也不是数值，或者其数据中包含了复数。

  • ValueError - input 和 exponent 具有不同的shape并且无法互相广播。

支持平台：

Ascend

样例：

>>> from mindspore import Tensor, mint
>>> input = Tensor([1, 2, 3])
>>> mint.float_power(input, 2)
Tensor(shape=[3], dtype=Float64, value= [ 1.00000000e+00,  4.00000000e+00,  9.00000000e+00])
>>>
>>> exp = Tensor([2, -3, -4])
>>> mint.float_power(input, exp)
Tensor(shape=[3], dtype=Float64, value= [ 1.00000000e+00,  1.25000000e-01,  1.23456790e-02])