当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


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__

返回

输入数组的元素差异。

返回类型

ND阵列

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 - rhsmx.nd.broadcast_sub(lhs, rhs)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。