算子使用方式

  

概述

算子相关接口主要包括operations、functional和composite，可通过ops直接获取到这三类算子。

• operations提供单个的Primitive算子。一个算子对应一个原语，是最小的执行对象，需要实例化之后使用。

• composite提供一些预定义的组合算子，以及复杂的涉及图变换的算子，如GradOperation。

• functional提供operations和composite实例化后的对象，简化算子的调用流程。

mindspore.ops.operations

operations提供了所有的Primitive算子接口，是开放给用户的最低阶算子接口。算子支持情况可查询算子支持列表。

Primitive算子也称为算子原语，它直接封装了底层的Ascend、GPU、AICPU、CPU等多种算子的具体实现，为用户提供基础算子能力。

Primitive算子接口是构建高阶接口、自动微分、网络模型等能力的基础。

代码样例如下：

import numpy as np
import mindspore
from mindspore import Tensor
import mindspore.ops.operations as P

input_x = mindspore.Tensor(np.array([1.0, 2.0, 4.0]), mindspore.float32)
input_y = 3.0
pow = P.Pow()
output = pow(input_x, input_y)
print("output =", output)

output = [ 1.  8. 64.]

mindspore.ops.functional

为了简化没有属性的算子的调用流程，MindSpore提供了一些算子的functional版本。入参要求参考原算子的输入输出要求。算子支持情况可以查询算子支持列表。

例如P.Pow算子，我们提供了functional版本的F.tensor_pow算子。

使用functional的代码样例如下：

import numpy as np
import mindspore
from mindspore import Tensor
from mindspore.ops import functional as F

input_x = mindspore.Tensor(np.array([1.0, 2.0, 4.0]), mindspore.float32)
input_y = 3.0
output = F.tensor_pow(input_x, input_y)
print("output =", output)

output = [ 1.  8. 64.]

mindspore.ops.composite

composite提供了一些算子的组合，包括clip_by_value和random相关的一些算子，以及涉及图变换的函数（GradOperation、HyperMap和Map等）。

算子的组合可以直接像一般函数一样使用，例如使用normal生成一个随机分布：

from mindspore import dtype as mstype
from mindspore.ops import composite as C
from mindspore import Tensor

mean = Tensor(1.0, mstype.float32)
stddev = Tensor(1.0, mstype.float32)
output = C.normal((2, 3), mean, stddev, seed=5)
print("output =", output)

output = [[2.4911082 0.7941146 1.3117087]
 [0.3058231 1.7729738 1.525996 ]]

以上代码运行于MindSpore的GPU版本。

operations、functional和composite三类算子合并用法

为了在使用过程中更加简便，除了以上介绍的几种用法外，我们还将operations，functional和composite三种算子封装到了mindspore.ops中，推荐直接调用mindspore.ops下的接口。

代码样例如下：

import mindspore.ops.operations as P
pow = P.Pow()

import mindspore.ops as ops
pow = ops.Pow()

以上两种写法效果相同。