28 lines
2.1 KiB
ReStructuredText
28 lines
2.1 KiB
ReStructuredText
mindspore.ops.TensorScatterUpdate
|
||
==================================
|
||
|
||
.. py:class:: mindspore.ops.TensorScatterUpdate
|
||
|
||
根据指定的更新值 `update` 和输入索引 `indices` ，通过更新操作更新输出Tensor的值。此操作几乎等同于使用 :class:`mindspore.ops.ScatterNdUpdate` ，但更新后的结果是返回一个新的输出Tensor，而不是直接更新 `input_x` 。
|
||
|
||
`indices` 的rank大于等于2，最后一个轴表示每个索引向量的深度。对于每个索引向量， `update` 中必须有相应的值。如果每个索引Tensor的深度与 `input_x` 的rank匹配，则每个索引向量对应于 `input_x` 中的Scalar，并且每次更新都会更新一个Scalar。如果每个索引Tensor的深度小于 `input_x` 的rank，则每个索引向量对应于 `input_x` 中的切片，并且每次更新都会更新一个切片。
|
||
|
||
更新的顺序是不确定的，这意味着如果 `indices` 中有多个索引向量对应于同一位置，则输出中该位置值是不确定的。
|
||
|
||
.. math::
|
||
output\left [indices \right ] = update
|
||
|
||
输入：
|
||
- **input_x** (Tensor) - 任意维度的Tensor。其数据类型为数值型。 `input_x` 的维度必须不小于indices.shape[-1]。其shape为 :math:`(N, *)` ，其中 :math:`*` 为任意数量的额外维度。
|
||
- **indices** (Tensor) - `input_x` 执行scatter操作的目标索引，数据类型为int32或int64，rank必须大于等于2。
|
||
- **update** (Tensor) - 指定与 `input_x` 做更新操作的Tensor，其数据类型与 `input_x` 相同。并且 :math:`update.shape = indices.shape[:-1]+input\_x.shape[indices.shape[-1]:]` 。
|
||
|
||
输出：
|
||
Tensor，shape和数据类型与输入 `input_x` 相同。
|
||
|
||
异常：
|
||
- **TypeError** - `indices` 的数据类型不满足int32或int64。
|
||
- **ValueError** - `input_x` 的rank小于 indices.shape的最后一维。
|
||
- **ValueError** - `input_x` 的值与输入 `indices` 不匹配。
|
||
- **RuntimeError** - `indices` 中的值超出了 `input_x` 的索引范围。
|