代码拉取完成，页面将自动刷新
与上一版本相比，MindSpore中mindspore.ops.primitiveAPI接口的添加、删除和支持平台的更改信息如下表所示。
| API | 变更状态 | 概述 | 支持平台 | 类别 |
|---|---|---|---|---|
| mindspore.ops.AffineGrid | New | 基于一批仿射矩阵 theta 生成一个2D 或 3D 的流场（采样网格）。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.BatchToSpaceND | Changed | r1.10: 用块划分批次维度，并将这些块交错回空间维度。 => r2.0: ops.BatchToSpaceND 从2.0版本开始已被弃用，并将在未来版本中被移除，建议使用 ops.batch_to_space_nd 代替。 | r1.10: Ascend/CPU => r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.ChannelShuffle | New | 将shape为 $(*, C, H, W)$ 的Tensor的通道划分成 $g$ 组，并按如下方式重新排列 $(*, \frac C g, g, H*W)$ ，同时保持原始Tensor的shape不变。 | r2.0: Ascend/CPU | Array操作 |
| mindspore.ops.Col2Im | New | 将一组通过滑窗获得的数组组合成一个大的Tensor。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.Cummax | New | 返回输入Tensor在指定轴上的累计最大值与其对应的索引。 | r2.0: GPU/CPU | Array操作 |
| mindspore.ops.Cummin | New | 返回输入Tensor在指定轴上的累计最小值与其对应的索引。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.Diag | New | 用给定的对角线值构造对角线Tensor。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.FillDiagonal | New | 填充至少具有二维的Tensor的主对角线。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.FillV2 | New | 创建一个Tensor，其shape由 shape 指定，其值则由 value 进行填充。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.Fmax | New | 逐元素计算输入Tensor的最大值。 | r2.0: CPU | Array操作 |
| mindspore.ops.HammingWindow | New | 使用输入窗口长度计算汉明窗口函数。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.Heaviside | New | 计算输入中每个元素的Heaviside步长函数。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.Hypot | New | 将输入Tensor的逐个元素作为直角三角形的直角边，并计算其斜边的值。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.Identity | Changed | r1.10: 返回与输入具有相同shape和值的Tensor。 => r2.0: mindspore.ops.Identity 接口将废弃，请使用 mindspore.ops.deepcopy() 替代。 | r1.10: Ascend/GPU/CPU => r2.0: | Array操作 |
| mindspore.ops.Igamma | New | 计算正则化的下层不完全伽马函数。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.Igammac | New | 计算正则化的上层不完全伽马函数。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.Im2Col | New | 从一个batch的输入Tensor中提取滑动局部块。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.IndexFill | New | 按 index 中给定的顺序选择索引，将输入Tensor x 的 dim 维度下的元素用 value 的值填充。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.IndexPut | New | 根据 indices 中的下标值，使用 x2 中的数值替换 x1 中的相应元素的值。 | r2.0: Ascend/CPU | Array操作 |
| mindspore.ops.InplaceAdd | Changed | 将 input_v 添加到 x 的特定行。 | r1.10: Ascend/CPU => r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.InplaceIndexAdd | New | 逐元素将一个Tensor updates 添加到原Tensor var 的指定轴和索引处。 | r2.0: Ascend/CPU | Array操作 |
| mindspore.ops.InplaceSub | Changed | 从 x 的特定行减去 input_v 。 | r1.10: Ascend/CPU => r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.InplaceUpdate | Changed | r1.10: 将 x 的特定行更新为 v 。 => r2.0: InplaceUpdate接口已废弃，请使用接口 mindspore.ops.InplaceUpdateV2 替换，废弃版本2.0。 | r1.10: Ascend/GPU/CPU => r2.0: | Array操作 |
| mindspore.ops.InplaceUpdateV2 | New | 根据 indices，将 x 中的某些值更新为 v。 | r2.0: GPU/CPU | Array操作 |
| mindspore.ops.IsClose | New | 返回一个bool型Tensor，表示 x1 的每个元素与 x2 的每个元素在给定容忍度内是否“接近”。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.Lcm | New | 逐个元素计算输入Tensor的最小公倍数。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.LeftShift | New | 将Tensor每个位置的值向左移动若干个比特位。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.LogSpace | New | 返回一个大小为 steps 的1-D Tensor，其值从 $base^{start}$ 到 $base^{end}$ ，以 base 为底数。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.LuUnpack | New | 将 LU_data 和 LU_pivots 还原为为P, L, U矩阵，其中P为置换矩阵，L为下三角矩阵，U为上三角矩阵。 | r2.0: GPU/CPU | Array操作 |
| mindspore.ops.MaskedScatter | New | 返回一个Tensor。 | r2.0: Ascend/CPU | Array操作 |
| mindspore.ops.MatrixBandPart | New | 提取一个Tensor中每个矩阵的中心带，中心带之外的所有值都设置为零。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.MatrixDiagPartV3 | New | 返回Tensor的对角线部分。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.MatrixDiagV3 | New | 构造以输入Tensor为对角线的矩阵。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.MatrixSetDiagV3 | New | 更新批处理矩阵对角线的值。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.MatrixSolve | New | 求解线性方程组。 | r2.0: Ascend/CPU | Array操作 |
| mindspore.ops.Mvlgamma | New | 逐元素计算 p 维多元对数伽马函数值。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.NanToNum | New | 将输入中的 NaN 、正无穷大和负无穷大值分别替换为 nan 、 posinf 和 neginf 指定的值。 | r2.0: Ascend/CPU | Array操作 |
| mindspore.ops.NonZero | New | 计算输入Tensor中所有非零元素的索引位置。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.ParallelConcat | Changed | r1.10: Concats tensor in the first dimension. => r2.0: 根据第一个维度连接输入Tensor。 | r1.10: Ascend => r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.RandomShuffle | New | 沿着Tensor的第一个维度进行随机打乱操作。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.Renorm | New | 对Tensor沿着指定维度 dim 进行重新规范化，要求每个子Tensor的 p 范数不超过 maxnorm 。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.RightShift | New | 将Tensor input_x 的每个元素右移 Tensor input_y 中对应位数。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.ScatterNdDiv | New | 将sparse division应用于张量中的单个值或切片。 | r2.0: GPU/CPU | Array操作 |
| mindspore.ops.ScatterNdMax | New | 对张量中的单个值或切片应用sparse maximum。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.ScatterNdMin | New | 对张量中的单个值或切片应用sparse minimum。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.ScatterNdMul | New | 对张量中的单个值或切片应用sparse multiplication。 | r2.0: GPU/CPU | Array操作 |
| mindspore.ops.SearchSorted | New | 返回位置索引，根据这个索引将 values 插入 sorted_sequence 后，sorted_sequence 的元素大小顺序保持不变。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.SpaceToBatchND | Changed | 将空间维度划分为对应大小的块，并在批次维度重排张量。 | r1.10: Ascend/CPU => r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.Trace | New | 返回在Tensor的对角线方向上的总和。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.Tril | New | 返回单个或一批二维矩阵下三角形部分，其他位置的元素将被置零。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.TrilIndices | New | 计算 row * col 行列矩阵的下三角元素的索引，并将它们作为一个 2xN 的Tensor返回。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.Triu | New | 返回单个或一批二维矩阵上三角形部分，其他位置的元素将被置零。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.TriuIndices | New | 返回一个包含 row * col 的矩阵的上三角形部分的索引的Tensor。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.UniqueConsecutive | New | 对输入张量中连续且重复的元素去重。 | r2.0: Ascend/GPU/CPU | Array操作 |
| mindspore.ops.ScatterDiv | Changed | r1.10: 根据指定更新值和输入索引通过除法运算更新输入数据的值。 => r2.0: 通过除法操作更新输入张量的值。 | r1.10: Ascend/CPU => r2.0: Ascend/GPU/CPU | Parameter操作算子 |
| mindspore.ops.Median | New | 输出Tensor指定维度 axis 上的中值与其对应的索引。 | r2.0: GPU/CPU | Reduction算子 |
| mindspore.ops.Fill | Changed | r1.10: 创建一个指定shape的Tensor，并用指定值填充。 => r2.0: Fill接口已弃用， 请使用 mindspore.ops.FillV2 。 | r1.10: Ascend/GPU/CPU => r2.0: | Tensor创建 |
| mindspore.ops.Zeros | Changed | 创建一个值全为0的Tensor。 | r1.10: Ascend/GPU/CPU => r2.0: | Tensor创建 |
| mindspore.ops.AdaptiveAvgPool2D | Changed | 二维自适应平均池化。 | r1.10: GPU => r2.0: Ascend/GPU/CPU | 优化器 |
| mindspore.ops.AdaptiveAvgPool3D | New | 三维自适应平均池化。 | r2.0: Ascend/GPU/CPU | 优化器 |
| mindspore.ops.ApplyAdaMax | Changed | 根据AdaMax算法更新相关参数。 | r1.10: Ascend/GPU => r2.0: Ascend/GPU/CPU | 优化器 |
| mindspore.ops.SparseApplyAdagrad | Deleted | 已弃用。 | Ascend/GPU/CPU | 优化器 |
| mindspore.ops.SparseApplyFtrlV2 | Changed | r1.10: Updates relevant entries according to the FTRL-proximal scheme. => r2.0: mindspore.ops.SparseApplyFtrlV2 从2.0版本开始已被弃用，并将在未来版本中被移除，建议使用 mindspore.ops.SparseApplyFtrl 代替。 | r1.10: Ascend => r2.0: | 优化器 |
| mindspore.ops.BartlettWindow | New | 巴特利特窗口函数。 | r2.0: Ascend/GPU/CPU | 光谱算子 |
| mindspore.ops.BlackmanWindow | New | 布莱克曼窗口函数。 | r2.0: Ascend/GPU/CPU | 光谱算子 |
| mindspore.ops.ExtractVolumePatches | Changed | r1.10: Extract patches from input and put them in the “depth” output dimension. => r2.0: 从输入中提取数据，并将它放入”depth”输出维度中，”depth”为输出的第二维。 | r1.10: Ascend/CPU => r2.0: Ascend/GPU/CPU | 图像处理 |
| mindspore.ops.ResizeBilinearV2 | New | 使用双线性插值调整图像大小到指定的大小。 | r2.0: Ascend/GPU/CPU | 图像处理 |
| mindspore.ops.CTCLossV2 | New | 计算CTC(Connectionist Temporal Classification)损失和梯度。 | r2.0: Ascend/GPU/CPU | 损失函数 |
| mindspore.ops.MultiMarginLoss | New | 创建一个损失函数，用于优化输入和输出之间的多分类合页损失。 | r2.0: Ascend/GPU/CPU | 损失函数 |
| mindspore.ops.MultilabelMarginLoss | New | 创建一个损失函数，用于最小化多分类任务的合页损失。 | r2.0: Ascend/GPU | 损失函数 |
| mindspore.ops.SoftMarginLoss | Changed | r1.10: SoftMarginLoss operation. => r2.0: SoftMarginLoss操作。 | r1.10: Ascend => r2.0: Ascend/GPU | 损失函数 |
| mindspore.ops.TripletMarginLoss | New | 三元组损失函数。 | r2.0: GPU | 损失函数 |
| mindspore.ops.Bincount | New | 计算整数数组中每个值的出现次数。 | r2.0: Ascend/GPU/CPU | 数学运算算子 |
| mindspore.ops.Cholesky | New | 计算单个或成批对称正定矩阵的Cholesky分解。 | r2.0: GPU/CPU | 数学运算算子 |
| mindspore.ops.Complex | New | 给定复数的实部与虚部，返回一个复数的Tensor。 | r2.0: Ascend/GPU/CPU | 数学运算算子 |
| mindspore.ops.ComplexAbs | New | 返回输入复数的模。 | r2.0: Ascend/GPU/CPU | 数学运算算子 |
| mindspore.ops.Cross | New | 返回 x1 和 x2 沿着维度 dim 上的向量积（叉积）。 | r2.0: Ascend/CPU | 数学运算算子 |
| mindspore.ops.FFTWithSize | New | 傅里叶变换，可以对参数进行调整，以实现FFT/IFFT/RFFT/IRFFT。 | r2.0: Ascend/GPU/CPU | 数学运算算子 |
| mindspore.ops.Gcd | New | 逐元素计算输入Tensor的最大公约数。 | r2.0: Ascend/GPU/CPU | 数学运算算子 |
| mindspore.ops.NoRepeatNGram | Changed | n-grams出现重复，则更新对应n-gram词序列出现的概率。 | r1.10: Ascend/CPU => r2.0: Ascend/GPU/CPU | 文本处理 |
| mindspore.ops.CheckBprop | Deleted | Checks whether the data type and the shape of corresponding elements from tuples x and y are the same. | Ascend/GPU/CPU | 比较算子 |
| mindspore.ops.IsInstance | Deleted | 检查输入对象是否为目标类型的实例。 | Ascend/GPU/CPU | 比较算子 |
| mindspore.ops.IsSubClass | Deleted | 检查输入类型是否为其他类型的子类。 | Ascend/GPU/CPU | 比较算子 |
| mindspore.ops.SameTypeShape | Deleted | Checks whether the data type and shape of two tensors are the same. | Ascend/GPU/CPU | 比较算子 |
| mindspore.ops.CeLU | New | 逐元素计算输入Tensor的CeLU（连续可微指数线性单位）。 | r2.0: Ascend/GPU/CPU | 激活函数 |
| mindspore.ops.GLU | New | 门线性单元函数（Gated Linear Unit function）。 | r2.0: Ascend/CPU | 激活函数 |
| mindspore.ops.PReLU | Changed | 带参数的线性修正单元激活函数（Parametric Rectified Linear Unit activation function）。 | r1.10: Ascend/GPU => r2.0: Ascend/GPU/CPU | 激活函数 |
| mindspore.ops.AvgPool3D | Changed | 对输入的多维数据进行三维的平均池化运算。 | r1.10: Ascend/CPU => r2.0: Ascend/GPU/CPU | 神经网络 |
| mindspore.ops.CTCGreedyDecoder | Changed | 对输入中给定的logits执行贪婪解码。 | r1.10: Ascend/CPU => r2.0: Ascend/GPU/CPU | 神经网络 |
| mindspore.ops.FractionalMaxPool3DWithFixedKsize | New | 此运算对由多个输入平面组成的输入信号进行3D分数最大池化。 | r2.0: Ascend/GPU/CPU | 神经网络 |
| mindspore.ops.GridSampler2D | New | 此操作使用基于流场网格的插值对2D input_x 进行采样，该插值通常由 mindspore.ops.affine_grid() 生成。 | r2.0: Ascend/GPU/CPU | 神经网络 |
| mindspore.ops.GridSampler3D | New | 给定一个输入和一个网格，使用网格中的输入值和像素位置计算输出。 | r2.0: Ascend/GPU/CPU | 神经网络 |
| mindspore.ops.MaxPool3DWithArgmax | New | 三维最大值池化，返回最大值结果及其索引值。 | r2.0: Ascend/GPU/CPU | 神经网络 |
| mindspore.ops.MaxPoolWithArgmax | Changed | r1.10: 对输入Tensor执行最大池化运算，并返回最大值和索引。 => r2.0: mindspore.ops.MaxPoolWithArgmax 从2.0版本开始已被弃用，并将在未来版本中被移除，建议使用 mindspore.ops.MaxPoolWithArgmaxV2 代替。 | r1.10: Ascend/GPU/CPU => r2.0: | 神经网络 |
| mindspore.ops.MaxPoolWithArgmaxV2 | New | 对输入Tensor执行最大池化运算，并返回最大值和索引。 | r2.0: Ascend/GPU/CPU | 神经网络 |
| mindspore.ops.MaxUnpool2D | New | MaxPool2D的逆过程。 | r2.0: Ascend/GPU/CPU | 神经网络 |
| mindspore.ops.MaxUnpool3D | New | mindspore.ops.MaxPool3D 的逆过程。 | r2.0: Ascend/GPU/CPU | 神经网络 |
| mindspore.ops.ResizeBicubic | New | 使用双三次插值调整图像大小到指定的大小。 | r2.0: Ascend/GPU/CPU | 神经网络 |
| mindspore.ops.SparseTensorDenseMatmul | Changed | r1.10: Multiplies sparse matrix A by dense matrix B. => r2.0: 稀疏矩阵 A 乘以稠密矩阵 B 。 | r1.10: CPU => r2.0: GPU/CPU | 稀疏算子 |
| mindspore.ops.ScalarToArray | Deleted | 将Scalar转换为 Tensor 。 | Ascend/GPU/CPU | 类型转换 |
| mindspore.ops.MatrixInverse | Changed | r1.10: 计算输入矩阵的逆矩阵，如果输入矩阵不可逆，将产生错误或者返回一个未知结果。 => r2.0: 计算输入矩阵的逆矩阵。 | r1.10: GPU/CPU => r2.0: Ascend/GPU/CPU | 线性代数算子 |
| mindspore.ops.Orgqr | New | 计算 Householder 矩阵乘积的前 $N$ 列。 | r2.0: Ascend/GPU/CPU | 线性代数算子 |
| mindspore.ops.Ormqr | New | 计算一个普通矩阵与Householder矩阵的乘积。 | r2.0: GPU | 线性代数算子 |
| mindspore.ops.Svd | New | 计算一个或多个矩阵的奇异值分解。 | r2.0: GPU/CPU | 线性代数算子 |
| mindspore.ops.Custom | Changed | Custom 算子是MindSpore自定义算子的统一接口。 | r1.10: => r2.0: Ascend/GPU/CPU | 自定义算子 |
| mindspore.ops.kernel | New | 用于MindSpore Hybrid DSL函数书写的装饰器。 | r2.0: | 装饰器 |
| mindspore.ops.ms_kernel | Deleted | 用于MindSpore Hybrid DSL函数书写的装饰器。 | 装饰器 | |
| mindspore.ops.Cdist | Changed | r1.10: 计算两个Tensor的p-范数距离。 => r2.0: 计算两个Tensor的p-norm距离。 | r1.10: Ascend/CPU => r2.0: Ascend/GPU/CPU | 距离函数 |
| mindspore.ops.EditDistance | Changed | r1.10: Computes the Levenshtein Edit Distance. => r2.0: 计算Levenshtein编辑距离。 | r1.10: Ascend => r2.0: Ascend/CPU | 距离函数 |
| mindspore.ops.Pdist | New | 计算输入中每对行向量之间的p-范数距离。 | r2.0: GPU/CPU | 距离函数 |
| mindspore.ops.AccumulateNV2 | Changed | r1.10: Computes accumulation of all input tensors element-wise. => r2.0: 逐元素将所有输入的Tensor相加。 | r1.10: Ascend => r2.0: Ascend/GPU | 逐元素运算 |
| mindspore.ops.Addcmul | Changed | r1.10: Performs the element-wise product of tensor x1 and tensor x2, multiply the result by the scalar value and add it to input_data. => r2.0: 执行Tensor x1 与Tensor x2 的逐元素乘积，将结果乘以标量值 value ，并将其添加到 input_data 中。 | r1.10: Ascend/GPU => r2.0: Ascend/GPU/CPU | 逐元素运算 |
| mindspore.ops.Angle | New | 逐元素计算复数Tensor的辐角。 | r2.0: Ascend/GPU/CPU | 逐元素运算 |
| mindspore.ops.BesselI0 | New | 逐元素计算输入数据的BesselI0函数值。 | r2.0: GPU/CPU | 逐元素运算 |
| mindspore.ops.BesselI1 | New | 逐元素计算并返回输入Tensor的BesselI1函数值。 | r2.0: GPU/CPU | 逐元素运算 |
| mindspore.ops.BesselJ0 | New | 逐元素计算输入数据的BesselJ0函数值。 | r2.0: GPU/CPU | 逐元素运算 |
| mindspore.ops.BesselJ1 | New | 逐元素计算输入数据的BesselJ1函数值。 | r2.0: GPU/CPU | 逐元素运算 |
| mindspore.ops.BesselK0 | New | 逐元素计算输入数据的BesselK0函数值。 | r2.0: GPU/CPU | 逐元素运算 |
| mindspore.ops.BesselK0e | New | 逐元素计算输入数据的BesselK0e函数值。 | r2.0: GPU/CPU | 逐元素运算 |
| mindspore.ops.BesselK1 | New | 逐元素计算输入数据的BesselK1函数值。 | r2.0: GPU/CPU | 逐元素运算 |
| mindspore.ops.BesselK1e | New | 逐元素计算输入数据的BesselK1e函数值。 | r2.0: GPU/CPU | 逐元素运算 |
| mindspore.ops.BesselY0 | New | 逐元素计算输入数据的BesselY0函数值。 | r2.0: GPU/CPU | 逐元素运算 |
| mindspore.ops.BesselY1 | New | 逐元素计算输入数据的BesselY1函数值。 | r2.0: GPU/CPU | 逐元素运算 |
| mindspore.ops.Digamma | New | 计算输入的lgamma函数的导数。 | r2.0: GPU/CPU | 逐元素运算 |
| mindspore.ops.Erfinv | Changed | r1.10: Computes the inverse error function of input. => r2.0: 计算输入Tensor的逆误差函数。 | r1.10: Ascend/GPU => r2.0: Ascend/GPU/CPU | 逐元素运算 |
| mindspore.ops.Geqrf | New | 将矩阵分解为正交矩阵 Q 和上三角矩阵 R 的乘积。 | r2.0: Ascend/GPU/CPU | 逐元素运算 |
| mindspore.ops.Imag | Changed | r1.10: Returns a new tensor containing imaginary value of the input. => r2.0: 返回包含输入Tensor的虚部。 | r1.10: GPU/CPU => r2.0: Ascend/GPU/CPU | 逐元素运算 |
| mindspore.ops.LogicalXor | New | 逐元素计算两个Tensor的逻辑异或运算。 | r2.0: Ascend/CPU | 逐元素运算 |
| mindspore.ops.Logit | New | 逐元素计算Tensor的logit值。 | r2.0: Ascend/GPU/CPU | 逐元素运算 |
| mindspore.ops.NextAfter | New | 逐元素返回 x1 指向 x2 的下一个可表示值符点值。 | r2.0: Ascend/GPU/CPU | 逐元素运算 |
| mindspore.ops.Polar | New | 将极坐标转化为笛卡尔坐标。 | r2.0: GPU/CPU | 逐元素运算 |
| mindspore.ops.Polygamma | New | 计算关于 x 的多伽马函数的 $a$ 阶导数。 | r2.0: GPU/CPU | 逐元素运算 |
| mindspore.ops.Real | Changed | 返回输入Tensor的实数部分。 | r1.10: GPU/CPU => r2.0: Ascend/GPU/CPU | 逐元素运算 |
| mindspore.ops.Sinc | New | 逐元素计算输入Tensor的数学正弦函数。 | r2.0: Ascend/GPU/CPU | 逐元素运算 |
| mindspore.ops.Zeta | New | 计算输入Tensor的Hurwitz zeta函数ζ(x,q)值。 | r2.0: Ascend/GPU/CPU | 逐元素运算 |
| mindspore.ops.NeighborExchange | Deleted | NeighborExchange is a collective operation. | Ascend | 通信算子 |
| mindspore.ops.LogUniformCandidateSampler | Changed | 使用log-uniform(Zipfian)分布对一组类别进行采样。 | r1.10: Ascend => r2.0: Ascend/CPU | 采样算子 |
| mindspore.ops.Bernoulli | New | 以 p 的概率随机将输出的元素设置为0或1，服从伯努利分布。 | r2.0: GPU/CPU | 随机生成算子 |
| mindspore.ops.MultinomialWithReplacement | New | 返回一个Tensor，其中每行包含从重复采样的多项式分布中抽取的 numsamples 个索引。 | r2.0: CPU | 随机生成算子 |
| mindspore.ops.RandomGamma | New | 根据概率密度函数分布生成随机正值浮点数x。 | r2.0: CPU | 随机生成算子 |
| mindspore.ops.RandomPoisson | New | 根据离散概率密度函数分布生成随机非负数浮点数i。 | r2.0: GPU/CPU | 随机生成算子 |
| mindspore.ops.RandpermV2 | New | 生成从0到n-1不重复的n个随机整数。 | r2.0: Ascend/CPU | 随机生成算子 |
此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。
