forked from huawei/mindspore2022
34 lines
1.6 KiB
ReStructuredText
34 lines
1.6 KiB
ReStructuredText
mindspore.ops.Concat
|
||
=====================
|
||
|
||
.. py:class:: mindspore.ops.Concat(axis=0)
|
||
|
||
在指定轴上拼接输入Tensor。
|
||
|
||
输入的是一个tuple。其元素秩相同，即 `R` 。将给定的轴设为 `m` ，并且 :math:`0 \le m < R` 。输入元素的数量设为 `N` 。对于第 :math:`i` 个数据， :math:`t_i` 的shape为 `(x_1, x_2, ..., x_{mi}, ..., x_R)` 。 :math:`x_{mi}` 是第 :math:`i` 个元素的第 :math:`m` 个维度。则，输出tensor的shape为：
|
||
|
||
.. math::
|
||
(x_1, x_2, ..., \sum_{i=1}^Nx_{mi}, ..., x_R)
|
||
|
||
.. note::
|
||
"axis"的取值范围为[-dims, dims - 1]。"dims"为"input_x"的维度长度。
|
||
|
||
**参数：**
|
||
|
||
- **axis** (int) - 表示指定的轴。默认值：0。
|
||
|
||
**输入：**
|
||
|
||
- **input_x** (tuple, list) - 输入为Tensor组成的tuple或list。假设在这个tuple或list中有两个Tensor，即x1和x2。要在0轴方向上执行 `Concat` ，除0轴外，其他轴的shape都应相等，即 :math:`x1.shape[1] == x2.shape[1]，x1.shape[2] == x2.shape[2]，...，x1.shape[R] == x2.shape[R]` ，其中 :math:`R` 表示最后一个轴。
|
||
|
||
**输出：**
|
||
|
||
Tensor，shape为 :math:`(x_1, x_2, ..., \sum_{i=1}^Nx_{mi}, ..., x_R)` 。数据类型与 `input_x` 相同。
|
||
|
||
**异常：**
|
||
|
||
- **TypeError** - `axis` 不是int。
|
||
- **TypeError** - `input_x` 是不同数据类型的Tensor。
|
||
- **ValueError** - `input_x` 是不同维度的Tensor。
|
||
- **ValueError** - `axis` 的维度范围不在[-dims, dims - 1]。
|
||
- **RuntimeError** - 除了 `axis` 之外， `input_x` 的shape不相同。 |