Python mxnet.ndarray.sparse.subtract用法及代码示例

用法: mxnet.ndarray.sparse.subtract(lhs, rhs)

参数：

lhs：(scalar or mxnet.ndarray.sparse.array) - 要减去的第一个数组。
rhs：(scalar or mxnet.ndarray.sparse.array) - 要减去的第二个数组。如果lhs.shape != rhs.shape，它们必须可以广播到一个共同的形状.__spec__

输入数组的元素差异。

返回类型：

通过广播返回输入数组的元素差异。

当 lhs 和 rhs 的形状不匹配时，等效于 lhs - rhs 、 mx.nd.broadcast_sub(lhs, rhs) 和 mx.nd.broadcast_minus(lhs, rhs)。如果 lhs.shape == rhs.shape 这等价于 mx.nd.elemwise_sub(lhs, rhs)

注意：

如果两个数组的对应维度具有相同的大小或其中一个的大小为 1，则这些数组可以广播为一个共同的形状。

例子：

>>> a = mx.nd.ones((2,3)).tostype('csr')
>>> b = mx.nd.ones((2,3)).tostype('csr')
>>> a.asnumpy()
array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.]], dtype=float32)
>>> b.asnumpy()
array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.]], dtype=float32)
>>> (a-b).asnumpy()
array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.]], dtype=float32)
>>> c = mx.nd.ones((2,3)).tostype('row_sparse')
>>> d = mx.nd.ones((2,3)).tostype('row_sparse')
>>> c.asnumpy()
array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.]], dtype=float32)
>>> d.asnumpy()
array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.]], dtype=float32)
>>> (c-d).asnumpy()
array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.]], dtype=float32)

相关用法

注：本文由纯净天空筛选整理自apache.org大神的英文原创作品 mxnet.ndarray.sparse.subtract。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

返回类型：

注意：

例子：