Python mxnet.ndarray.sparse.subtract用法及代碼示例

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

參數：

lhs：(scalar or mxnet.ndarray.sparse.array) - 要減去的第一個數組。
rhs：(scalar or mxnet.ndarray.sparse.array) - 要減去的第二個數組。如果lhs.shape != rhs.shape，它們必須可以廣播到一個共同的形狀.__spec__

輸入數組的元素差異。

返回類型：

通過廣播返回輸入數組的元素差異。

當 lhs 和 rhs 的形狀不匹配時，等效於 lhs - rhs 、 mx.nd.broadcast_sub(lhs, rhs) 和 mx.nd.broadcast_minus(lhs, rhs)。如果 lhs.shape == rhs.shape 這等價於 mx.nd.elemwise_sub(lhs, rhs)

注意：

如果兩個數組的對應維度具有相同的大小或其中一個的大小為 1，則這些數組可以廣播為一個共同的形狀。

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)

相關用法

注：本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.ndarray.sparse.subtract。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

返回類型：

注意：

例子：