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。

提交

文档反馈

mindspore.ops.sparse_segment_mean

mindspore.ops.sparse_segment_mean(x, indices, segment_ids)

计算输出Tensor $outpu{t}_i=\frac{\sum _j{x}_{indices[j]}}{N}$ ，其中平均是对所有 $j$ 满足 $segment\mathrm{\_}ids[j]==i$ 的元素， $N$ 表示相加的元素个数。如果给定的分段ID $i$ 不存在，则有 $output[i]=0$ 。

说明

• 在CPU平台， segment_ids 中的值会被校验是否排序，若索引值不是升序的，则抛出错误。另外， indices 中的值也会被校验是否在界限内，若索引值超出范围[0, x.shape[0])，则抛出错误。

• 在GPU平台，对于 segment_ids 未排序和 indices 越界则不抛出错误。如果，无序的 segment_ids 会导致安全但未指定的行为，而超出范围的 indices 将被忽略。

参数：

• x (Tensor) - Tensor，其维度必须大于或等于1。

• indices (Tensor) - 一维Tensor，数据类型为int32或int64。

• segment_ids (Tensor) - 一维Tensor，与 indices 有同样的数据类型。索引值应当是已排序的，并且可以重复。

返回：

Tensor，其数据类型和维数与 x 相同。第一维度等于 segment_ids 的最后一个元素的值加一，其他维度与 x 的对应维度相同。

异常：

• TypeError - x 、 indices 或 segment_ids 不是Tensor类型。

• TypeError - x 的数据类型不是float16、float32、float64的任一类型。

• TypeError - indices 和 segment_ids 的数据类型不是int32、int64的任一类型。

• TypeError - indices 和 segment_ids 的数据类型不相同。

• ValueError - x 、 indices 或 segment_ids 的维度不满足上述要求。

• ValueError - indices 或 segment_ids 的shape不相同。

支持平台：

GPU CPU

样例：

>>> import mindspore
>>> from mindspore import Tensor, ops
>>> x = Tensor([[0, 1, 2], [1, 2, 3], [3, 6, 7]], dtype=mindspore.float32)
>>> indices = Tensor([0, 1, 2], dtype=mindspore.int32)
>>> segment_ids = Tensor([1,2,2], dtype=mindspore.int32)
>>> out = ops.sparse_segment_mean(x, indices, segment_ids)
>>> print(out)
[[0. 0. 0.]
 [0. 1. 2.]
 [2. 4. 5.]]