24 lines
1.5 KiB
ReStructuredText
24 lines
1.5 KiB
ReStructuredText
mindspore.mint.xlogy
|
||
====================
|
||
|
||
.. py:function:: mindspore.mint.xlogy(input, other) -> Tensor
|
||
|
||
计算第一个输入乘以第二个输入的对数。当 `input` 为零时，则返回零。
|
||
|
||
.. math::
|
||
out_i = input_{i} * \log({other_{i}})
|
||
|
||
`input` 和 `other` 的输入遵循隐式类型转换规则，使数据类型一致。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shape可以广播。
|
||
|
||
|
||
参数：
|
||
- **input** (Union[Tensor, numbers.Number, bool]) - 第一个输入为数值型、bool或数据类型为 `number <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 或 `bool <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 的Tensor。
|
||
- **other** (Union[Tensor, numbers.Number, bool]) - 第二个输入为数值型、bool或数据类型为数值型或bool的Tensor。当第一个输入是Tensor时，则第二个输入是数值型、bool或数据类型为数值型或bool的Tensor。当第一个输入是Scalar时，则第二个输入必须是数据类型为数值型或bool的Tensor。
|
||
|
||
返回：
|
||
Tensor，shape与广播后的shape相同，数据类型为两个输入中精度较高或数值较高的类型。
|
||
|
||
异常：
|
||
- **TypeError** - 如果 `input` 和 `other` 不是数值型、bool或Tensor。
|
||
- **ValueError** - 如果 `input` 不能广播到与 `other` 的shape一致。
|