forked from huawei/mindspore2022
54 lines
1.8 KiB
ReStructuredText
54 lines
1.8 KiB
ReStructuredText
mindspore.ops.Add
|
||
=================
|
||
|
||
.. py:class:: mindspore.ops.Add(*args, **kwargs)
|
||
|
||
两个输入Tensor按元素相加。
|
||
|
||
输入 `x` 和 `y` 遵循隐式类型转换规则，使数据类型保持一致。
|
||
输入必须是两个Tensor，或一个Tensor和一个Scalar。
|
||
当输入是两个Tensor时，它们的数据类型不能同时是bool，它们的shape可以广播。
|
||
当输入是一个Tensor和一个Scalar时，Scalar只能是一个常数。
|
||
|
||
.. math::
|
||
|
||
out_{i} = x_{i} + y_{i}
|
||
|
||
**输入：**
|
||
|
||
- **x** (Union[Tensor, Number, bool]) - 第一个输入，是一个Number、bool值或数据类型为Number或bool的Tensor。
|
||
- **y** (Union[Tensor, Number, bool]) - 第二个输入，当第一个输入是Tensor时，第二个输入应该是一个Number或bool值，或数据类型为Number或bool的Tensor。
|
||
|
||
**输出：**
|
||
|
||
Tensor，shape与广播后的shape相同，数据类型为两个输入中精度较高的类型。
|
||
|
||
**异常：**
|
||
|
||
- **TypeError** - `x` 和 `y` 不是Tensor、Number或bool。
|
||
|
||
**支持平台：**
|
||
|
||
``Ascend`` ``GPU`` ``CPU``
|
||
|
||
**样例：**
|
||
|
||
>>> # 用例1: x和y都是Tensor。
|
||
>>> add = ops.Add()
|
||
>>> x = Tensor(np.array([1, 2, 3]).astype(np.float32))
|
||
>>> y = Tensor(np.array([4, 5, 6]).astype(np.float32))
|
||
>>> output = add(x, y)
|
||
>>> print(output)
|
||
[5.7.9.]
|
||
>>> # 用例2: x是Scalar Tensor，y是Tensor。
|
||
>>> add = ops.Add()
|
||
>>> x = Tensor(1, mindspore.int32)
|
||
>>> y = Tensor(np.array([4, 5, 6]).astype(np.float32))
|
||
>>> output = add(x, y)
|
||
>>> print(output)
|
||
[5. 6. 7.]
|
||
>>> # x的数据类型为int32，y的数据类型为float32。
|
||
>>> # 输出的数据类型为高精度float32。
|
||
>>> print(output.dtype)
|
||
Float32
|
||
|