mindspore.mint

mindspore.mint提供了大量的functional、nn、优化器接口，API用法及功能等与业界主流用法一致，方便用户参考使用。 mint接口当前是实验性接口，在图编译模式为O0和PyNative模式下性能比ops更优。当前暂不支持图下沉模式及CPU、GPU后端，后续会逐步完善。

模块导入方法如下：

from mindspore import mint

MindSpore中 mindspore.mint 接口与上一版本相比，新增、删除和支持平台的变化信息请参考 mindspore.mint API接口变更 。

Tensor

创建运算

接口名	概述	支持平台	警告
mindspore.mint.arange	创建一个从 start 开始， end 结束（不含），步长为 step 序列（一维张量）。	Ascend	无
mindspore.mint.bernoulli	从伯努利分布中进行采样，并根据输入 input 中第 i 个元素给出的概率值将输出 output 中的第 i 元素随机设置为0或1。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.bincount	统计 input 中每个值的出现次数。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.clone	返回一个输入Tensor的副本。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.eye	创建一个主对角线上元素为1，其余元素为0的Tensor。	Ascend	无
mindspore.mint.einsum	基于爱因斯坦求和约定（Einsum）符号，沿着指定维度对输入Tensor元素的乘积求和。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.empty	创建一个数据没有初始化的Tensor。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.empty_like	创建一个未初始化的Tesnor，shape和 input 相同，dtype由 dtype 决定，Tensor使用的内存由 device 决定。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.full	创建一个指定shape的Tensor，并用指定值填充。	Ascend	无
mindspore.mint.full_like	返回一个shape与 input 相同并且使用 fill_value 填充的Tensor。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.linspace	返回一个在区间 start 和 end （包括 start 和 end ）内均匀分布的，包含 steps 个值的一维Tensor。	Ascend	Atlas训练系列产品暂不支持int16数据类型。
mindspore.mint.ones	创建一个值全为1的Tensor。	Ascend	无
mindspore.mint.ones_like	创建一个数值全为1的Tensor，shape和 input 相同，dtype由 dtype 决定。	Ascend	无
mindspore.mint.randint	返回一个Tensor，shape和dtype由输入决定，其元素为 [ low , high ) 区间的随机整数。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.randint_like	返回一个Tensor，其元素为 [ low , high ) 区间的随机整数，根据 input 决定shape和dtype。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.randn	返回一个Tensor，shape和dtype由输入决定，其元素为服从标准正态分布的数字。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.randn_like	返回shape与输入相同，类型为 dtype 的Tensor，dtype由输入决定，其元素取值服从 \([0, 1)\) 区间内的正态分布。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.randperm	生成从 0 到 n-1 的整数随机排列。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.zeros	创建一个值全为0的Tensor。	Ascend	无
mindspore.mint.zeros_like	创建一个数值全为0的Tensor，shape和 input 相同，dtype由 dtype 决定。	Ascend	无

索引、切分、连接、突变运算

接口名	概述	支持平台	警告
mindspore.mint.cat	在指定维度上拼接输入Tensor。	Ascend	无
mindspore.mint.chunk	沿着指定轴 dim 将输入Tensor切分成 chunks 个sub-tensor。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.concat	mindspore.mint.cat() 的别名。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.count_nonzero	计算输入Tensor指定轴上的非零元素的数量。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.gather	返回输入Tensor在指定 index 索引对应的元素组成的切片。	Ascend	在Ascend后端，以下场景将导致不可预测的行为： 正向执行流程中，当 index 的取值不在范围 [-input.shape[dim], input.shape[dim]) 内； 反向执行流程中，当 index 的取值不在范围 [0, input.shape[dim]) 内。
mindspore.mint.index_select	返回一个新的Tensor，该Tensor沿维度 dim 按 index 中给定的索引对 input 进行选择。	Ascend	无
mindspore.mint.masked_select	返回一个一维Tensor，其中的内容是 input 中对应于 mask 中True位置的值。	Ascend	无
mindspore.mint.permute	按照输入 dims 的维度顺序排列输入Tensor。	Ascend	无
mindspore.mint.reshape	基于给定的 shape ，对输入Tensor进行重新排列。	Ascend	无
mindspore.mint.scatter	根据指定索引将 src 中的值更新到 input 中返回输出。	Ascend	无
mindspore.mint.scatter_add	将 src 中所有的元素添加到 input 中 index 指定的索引处。	Ascend	无
mindspore.mint.split	根据指定的轴将输入Tensor切分成块。	Ascend	无
mindspore.mint.narrow	沿着指定的轴，指定起始位置获取指定长度的Tensor。	Ascend	无
mindspore.mint.nonzero	返回所有非零元素下标位置。	Ascend	无
mindspore.mint.tile	通过复制 dims 次 input 来创建新的Tensor。	Ascend	无
mindspore.mint.tril	返回输入Tensor input 的下三角形部分(包含对角线和下面的元素)，并将其他元素设置为0。	Ascend	无
mindspore.mint.select	在给定索引处沿选定维度对输入张量进行切片。	Ascend	这是一个实验性API，可能会更改或删除。
mindspore.mint.squeeze	返回删除指定 dim 中大小为1的维度后的Tensor。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.stack	在指定轴上对输入Tensor序列进行堆叠。	Ascend	无
mindspore.mint.swapaxes	mindspore.mint.transpose() 的别名。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.transpose	交换Tensor的两个维度。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.triu	返回输入Tensor input 的上三角形部分(包含对角线和下面的元素)，并将其他元素设置为0。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.unbind	根据指定轴对Tensor进行分解。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.unique_consecutive	对输入Tensor中连续且重复的元素去重。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.unsqueeze	对输入 input 在给定维上添加额外维度。	Ascend	无
mindspore.mint.where	返回一个Tensor，Tensor的元素从 input 或 other 中根据 condition 选择。	Ascend	无

随机采样

接口名	概述	支持平台	警告
mindspore.mint.multinomial	根据输入生成一个多项式分布的Tensor。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.normal	根据正态（高斯）随机数分布生成随机数。	Ascend	无
mindspore.mint.rand_like	返回shape与输入相同，类型为 dtype 的Tensor，dtype由输入决定，其元素取值服从 \([0, 1)\) 区间内的均匀分布。	Ascend	无
mindspore.mint.rand	返回一个Tensor，shape和dtype由输入决定，其元素为服从均匀分布的 \([0, 1)\) 区间的数字。	Ascend	无

数学运算

逐元素运算

接口名	概述	支持平台	警告
mindspore.mint.abs	逐元素计算输入Tensor的绝对值。	Ascend	无
mindspore.mint.add	对 other 缩放 scalar 后与 input 相加。	Ascend	无
mindspore.mint.addmv	mat 和 vec 矩阵向量相乘，且将输入向量 input 加到最终结果中。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.acos	逐元素计算输入Tensor的反余弦。	Ascend	无
mindspore.mint.acosh	逐元素计算输入Tensor的反双曲余弦。	Ascend	无
mindspore.mint.arccos	mindspore.mint.acos() 的别名。	Ascend	无
mindspore.mint.arccosh	mindspore.mint.acosh() 的别名。	Ascend	无
mindspore.mint.arcsin	mindspore.mint.asin() 的别名。	Ascend	无
mindspore.mint.arcsinh	mindspore.mint.asinh() 的别名。	Ascend	无
mindspore.mint.arctan	mindspore.mint.atan() 的别名。	Ascend	无
mindspore.mint.arctan2	mindspore.mint.atan2() 的别名。	Ascend	无
mindspore.mint.arctanh	mindspore.mint.atanh() 的别名。	Ascend	无
mindspore.mint.asin	逐元素计算输入Tensor的反正弦。	Ascend	无
mindspore.mint.asinh	计算输入元素的反双曲正弦。	Ascend	无
mindspore.mint.atan	逐元素计算输入Tensor的反正切值。	Ascend	无
mindspore.mint.atan2	逐元素计算input/other的反正切值。	Ascend	无
mindspore.mint.atanh	逐元素计算输入Tensor的反双曲正切值。	Ascend	无
mindspore.mint.bitwise_and	逐元素执行两个Tensor的与运算。	Ascend	无
mindspore.mint.bitwise_or	逐元素执行两个Tensor的或运算。	Ascend	无
mindspore.mint.bitwise_xor	逐元素执行两个Tensor的异或运算。	Ascend	无
mindspore.mint.ceil	向上取整函数。	Ascend	无
mindspore.mint.clamp	将输入Tensor的值裁剪到指定的最小值和最大值之间。	Ascend	无
mindspore.mint.cos	逐元素计算输入的余弦。	Ascend	如果使用float64，可能会存在精度丢失的问题。
mindspore.mint.cosh	逐元素计算 input 的双曲余弦值。	Ascend	无
mindspore.mint.cross	返回沿着维度 dim 上，input 和 other 的向量积（叉积）。	Ascend	无
mindspore.mint.diff	计算沿给定维度的第n个正向差。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.div	逐元素计算当前Tensor除以输入的另一个Tensor的商。	Ascend	无
mindspore.mint.divide	mindspore.mint.div() 的别名。	Ascend	无
mindspore.mint.erf	逐元素计算 input 的高斯误差函数。	Ascend	无
mindspore.mint.erfc	逐元素计算 input 的互补误差函数。	Ascend	无
mindspore.mint.erfinv	计算输入的逆误差函数。	Ascend	无
mindspore.mint.exp	逐元素计算 input 的指数。	Ascend	无
mindspore.mint.exp2	逐元素计算Tensor input 以2为底的指数。	Ascend	无
mindspore.mint.expm1	逐元素计算输入Tensor的指数，然后减去1。	Ascend	无
mindspore.mint.fix	mindspore.mint.trunc() 的别名。	Ascend	无
mindspore.mint.float_power	使用双精度计算 input 中每个元素的 exponent 次幂，并返回一个float64类型的Tensor。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.floor	逐元素向下取整函数。	Ascend	无
mindspore.mint.fmod	计算除法运算 input/other 的浮点余数。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.frac	计算 input 中每个元素的小数部分。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.lerp	基于权重参数计算两个Tensor之间的线性插值。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.log	逐元素返回Tensor的自然对数。	Ascend	如果输入值在(0, 0.01]或[0.95, 1.05]范围内，则输出精度可能会存在误差。
mindspore.mint.log1p	对输入Tensor逐元素加一后计算自然对数。	Ascend	无
mindspore.mint.log2	逐元素返回Tensor以2为底的对数。	Ascend	这是一个实验性API，后续可能修改或删除。 如果输入值在(0, 0.01]或[0.95, 1.05]范围内，则输出精度可能会存在误差。
mindspore.mint.log10	逐元素返回Tensor以10为底的对数。	Ascend	这是一个实验性API，后续可能修改或删除。 如果输入值在(0, 0.01]或[0.95, 1.05]范围内，则输出精度可能会存在误差。
mindspore.mint.logaddexp	计算输入的指数和的对数。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.logical_and	逐元素计算两个Tensor的逻辑与运算。	Ascend	无
mindspore.mint.logical_not	逐元素计算一个Tensor的逻辑非运算。	Ascend	无
mindspore.mint.logical_or	逐元素计算两个Tensor的逻辑或运算。	Ascend	无
mindspore.mint.logical_xor	逐元素计算两个Tensor的逻辑异或运算。	Ascend	无
mindspore.mint.mul	将 other 与 input 相乘。	Ascend	无
mindspore.mint.mv	实现矩阵 input 和向量 vec 相乘。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nansum	计算 input 指定维度元素的和，将非数字(NaNs)处理为零。	Ascend	仅支持 Atlas A2 训练系列产品。 这是一个实验性API，后续可能修改或删除。
mindspore.mint.nan_to_num	将 input 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。	Ascend	对于Ascend，仅支持 Atlas A2 训练系列产品。 这是一个实验性API，后续可能修改或删除。
mindspore.mint.neg	计算输入input的相反数并返回。	Ascend	无
mindspore.mint.negative	mindspore.mint.neg() 的别名。	Ascend	无
mindspore.mint.pow	计算 input 中每个元素的 exponent 次幂。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.polar	将极坐标转化为笛卡尔坐标。	Ascend	无
mindspore.mint.ravel	沿着0轴方向，将多维Tensor展开成一维。	Ascend	无
mindspore.mint.reciprocal	返回输入Tensor每个元素的倒数。	Ascend	无
mindspore.mint.remainder	逐元素计算 input 除以 other 后的余数。	Ascend	无
mindspore.mint.roll	沿轴移动Tensor的元素。	Ascend	无
mindspore.mint.round	对输入数据进行四舍五入到最接近的整数数值。	Ascend	无
mindspore.mint.rsqrt	逐元素计算输入Tensor元素的平方根倒数。	Ascend	无
mindspore.mint.sigmoid	逐元素计算Sigmoid激活函数。	Ascend	无
mindspore.mint.sign	按sign公式逐元素计算输入Tensor。	Ascend	无
mindspore.mint.sin	逐元素计算输入Tensor的正弦。	Ascend	无
mindspore.mint.sinc	计算输入的归一化正弦值。	Ascend	无
mindspore.mint.sinh	逐元素计算输入Tensor的双曲正弦。	Ascend	无
mindspore.mint.softmax	mindspore.mint.nn.functional.softmax() 的别名。	Ascend	无
mindspore.mint.sqrt	逐元素返回当前Tensor的平方根。	Ascend	无
mindspore.mint.square	逐元素返回Tensor的平方。	Ascend	无
mindspore.mint.sub	对 other 缩放 scalar 后与 input 相减。	Ascend	无
mindspore.mint.t	转置输入Tensor。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.tan	逐元素计算输入元素的正切值。	Ascend	无
mindspore.mint.tanh	逐元素计算输入元素的双曲正切。	Ascend	无
mindspore.mint.trunc	返回一个新的Tensor，该Tensor具有输入元素的截断整数值。	Ascend	无
mindspore.mint.xlogy	计算第一个输入乘以第二个输入的对数。	Ascend	无

Reduction运算

接口名	概述	支持平台	警告
mindspore.mint.amax	计算输入 input 中指定 dim 维度上所有元素的最大值，并根据 keepdim 参数决定是否保留该维度。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.amin	计算输入 input 中指定 dim 维度上所有元素的最小值，并根据 keepdim 参数决定是否保留该维度。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.argmax	返回输入Tensor最大值索引。	Ascend	无
mindspore.mint.argmin	返回输入Tensor在指定轴上的最小值索引。	Ascend	无
mindspore.mint.all	对 input 中所有元素进行“逻辑与”。	Ascend	无
mindspore.mint.any	默认情况下，通过对维度中所有元素进行“逻辑或”来减少 input 的维度。	Ascend	无
mindspore.mint.cumprod	计算输入Tensor input 沿轴 dim 的累计积，当前为实验性接口。	Ascend	无
mindspore.mint.histc	计算Tensor的直方图。	Ascend	这是一个实验性API，后续可能修改或删除。 如果 input 是int64，有效取值在int32范围内，超出范围可能产生精度误差。
mindspore.mint.logsumexp	计算输入 input 中指定 dim 维度上所有元素指数和的对数（计算过程经过数值稳定处理）， 并根据 keepdim 参数决定是否保留该维度。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.max	返回输入Tensor的最大值。	Ascend	无
mindspore.mint.mean	移除输入所有维度，返回 input 中所有元素的平均值。	Ascend	无
mindspore.mint.median	输出指定维度 dim 上的中值与其对应的索引。	Ascend	无
mindspore.mint.min	返回输入Tensor的最小值。	Ascend	无
mindspore.mint.norm	返回给定Tensor的矩阵范数或向量范数。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.prod	计算Tensor所有元素的乘积。	Ascend	无
mindspore.mint.sum	计算Tensor所有元素的和。	Ascend	无
mindspore.mint.std	计算指定维度 dim 上的标准差。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.std_mean	默认情况下，返回Tensor各维度上的标准差和均值。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.unique	对输入Tensor中元素去重。	Ascend	无
mindspore.mint.var	计算指定维度 dim 上的方差。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.var_mean	默认情况下，返回Tensor各维度上的方差和均值。	Ascend	这是一个实验性API，后续可能修改或删除。

比较运算

接口名	概述	支持平台	警告
mindspore.mint.allclose	返回一个布尔型标量，表示 input 的每个元素均与 other 的对应元素在给定容忍度内“接近”。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.argsort	按指定顺序对输入Tensor沿给定维度进行排序，并返回排序后的索引。	Ascend	这是一个实验性API，后续可能修改或删除
mindspore.mint.eq	逐元素比较两个输入Tensor是否相等。	Ascend	无
mindspore.mint.equal	比较两个输入是否相等。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.greater	按元素比较输入参数 \(input > other\) 的值，输出结果为bool值。	Ascend	无
mindspore.mint.greater_equal	给定两个张量（Tensors），逐元素比较它们，以检查第一个张量中的每个元素是否大于或等于第二个张量中的相应元素。	Ascend	无
mindspore.mint.gt	按元素比较输入参数 \(input,other\) 的值，输出结果为bool值。	Ascend	无
mindspore.mint.isclose	返回一个布尔型Tensor，表示 input 的每个元素与 other 的对应元素在给定容忍度内是否“接近”。	Ascend	无
mindspore.mint.isfinite	判断输入数据每个位置上的元素是否是有限数。	Ascend	无
mindspore.mint.isinf	确定输入Tensor每个位置上的元素是否为正无穷或负无穷。	Ascend	这是一个实验性API，后续可能修改或删除。 该API目前只支持在Atlas A2训练系列产品上使用。
mindspore.mint.isneginf	确定输入Tensor每个位置上的元素是否为负无穷。	Ascend	这是一个实验性API，后续可能修改或删除。 该API目前只支持在Atlas A2训练系列产品上使用。
mindspore.mint.le	逐元素计算 \(input <= other\) 的bool值。	Ascend	无
mindspore.mint.less	逐元素计算 \(input < other\) ，返回为bool。	Ascend	无
mindspore.mint.less_equal	逐元素计算 \(input <= other\) 的bool值。	Ascend	无
mindspore.mint.lt	mindspore.mint.less() 的别名。	Ascend	无
mindspore.mint.maximum	逐元素计算两个输入Tensor中的最大值。	Ascend	如果所有输入都为标量int类型，在Graph模式下，输出为int32类型的Tensor，在PyNative模式下，输出为int64类型的Tensor。
mindspore.mint.minimum	逐元素计算两个输入Tensor中的最小值。	Ascend	无
mindspore.mint.ne	计算两个Tensor是否不相等。	Ascend	无
mindspore.mint.not_equal	mindspore.mint.ne() 的别名。	Ascend	无
mindspore.mint.topk	沿给定维度查找 k 个最大或最小元素和对应的索引。	Ascend	如果 sorted 设置为False, 由于在不同平台上存在内存排布以及遍历方式不同等问题，sorted 设置为False时计算结果的显示顺序可能会出现不一致的情况。
mindspore.mint.sort	按指定顺序对输入Tensor的指定维上的元素进行排序。	Ascend	目前能良好支持的数据类型有：float16、uint8、int8、int16、int32、int64。如果使用float32，可能产生精度误差。

BLAS和LAPACK运算

接口名	概述	支持平台	警告
mindspore.mint.addbmm	对 batch1 和 batch2 应用批量矩阵乘法后进行reduced add， input 和最终的结果相加。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.addmm	对输入的两个二维矩阵mat1与mat2相乘，并将结果与input相加。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.baddbmm	对输入的两个三维矩阵batch1与batch2相乘，并将结果与input相加。	Ascend	无
mindspore.mint.bmm	基于batch维度的两个Tensor的矩阵乘法，仅支持三维。	Ascend	无
mindspore.mint.dot	计算两个1DTensor的点积。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.inverse	计算输入矩阵的逆。	Ascend	无
mindspore.mint.matmul	计算两个数组的矩阵乘积。	Ascend	无
mindspore.mint.meshgrid	从给定的Tensor生成网格矩阵。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.mm	计算两个矩阵的乘积。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.outer	计算 input 和 vec2 的外积。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.trace	返回 input 的主对角线方向上的总和。	Ascend	无

其他运算

接口名	概述	支持平台	警告
mindspore.mint.broadcast_to	将输入shape广播到目标shape。	Ascend	无
mindspore.mint.cdist	计算两个Tensor每对行向量之间的p-norm距离。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.cummax	返回一个元组（最值、索引），其中最值是输入Tensor input 沿维度 dim 的累积最大值，索引是每个最大值的索引位置。	Ascend	无
mindspore.mint.cummin	返回一个元组（最值、索引），其中最值是输入Tensor input 沿维度 dim 的累积最小值，索引是每个最小值的索引位置。	Ascend	无
mindspore.mint.cumsum	计算输入Tensor input 沿轴 dim 的累积和。	Ascend	无
mindspore.mint.flatten	沿着从 start_dim 到 end_dim 的维度，对输入Tensor进行展平。	Ascend	无
mindspore.mint.flip	沿给定轴翻转Tensor中元素的顺序。	Ascend	无
mindspore.mint.repeat_interleave	沿着轴重复Tensor的元素，类似 mindspore.numpy.repeat()。	Ascend	仅Atlas A2训练系列产品支持。
mindspore.mint.searchsorted	返回位置索引，根据这个索引将 values 插入 sorted_sequence 后，sorted_sequence 的最内维度的顺序保持不变。	Ascend	无
mindspore.mint.tril	返回输入Tensor input 的下三角形部分(包含对角线和下面的元素)，并将其他元素设置为0。	Ascend	无

mindspore.mint.nn

损失函数

接口名	概述	支持平台	警告
mindspore.mint.nn.L1Loss	L1Loss用于计算预测值和目标值之间的平均绝对误差。	Ascend	无

卷积层

接口名	概述	支持平台	警告
mindspore.mint.nn.Conv2d	二维卷积层。	Ascend	无
mindspore.mint.nn.Conv3d	三维卷积层。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.ConvTranspose2d	将2D转置卷积运算应用于由多个输入平面组成的输入图像。	Ascend	这是一个实验性API，后续可能修改或删除。 在输入非连续场景下， output_padding 必须小于 stride 。 在Atlas训练系列产品上，float32类型输入时，仅支持 groups 为1。
mindspore.mint.nn.Fold	将提取出的滑动局部区域块还原成更大的输出Tensor。	Ascend	无
mindspore.mint.nn.Unfold	从一个batch的输入Tensor中提取滑动局部块。	Ascend	无

归一化层

接口名	概述	支持平台	警告
mindspore.mint.nn.BatchNorm1d	在二维或三维输入上应用批归一化。	Ascend	该接口不支持动态Rank。 这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.BatchNorm2d	在四维输入上应用批归一化。	Ascend	该接口不支持动态Rank。 这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.BatchNorm3d	在五维输入上应用批归一化。	Ascend	该接口不支持动态Rank。 这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.GroupNorm	在mini-batch输入上进行组归一化。	Ascend	无
mindspore.mint.nn.LayerNorm	在mini-batch输入上应用层归一化（Layer Normalization）。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.SyncBatchNorm	在N维输入上进行跨设备同步批归一化（Batch Normalization，BN）。	Ascend	这是一个实验性API，后续可能修改或删除。

非线性激活层 (加权和，非线性)

接口名	概述	支持平台	警告
mindspore.mint.nn.ELU	指数线性单元激活函数(Exponential Linear Unit activation function)。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.GELU	高斯误差线性单元激活函数（Gaussian Error Linear Unit）。	Ascend	无
mindspore.mint.nn.Hardshrink	逐元素计算Hard Shrink激活函数。	Ascend	无
mindspore.mint.nn.Hardsigmoid	逐元素计算Hard Sigmoid激活函数。	Ascend	无
mindspore.mint.nn.Hardswish	逐元素计算Hard Swish激活函数。	Ascend	无
mindspore.mint.nn.LogSigmoid	逐元素计算LogSigmoid激活函数。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.LogSoftmax	在指定轴上对输入Tensor应用LogSoftmax函数。	Ascend	无
mindspore.mint.nn.Mish	逐元素计算输入Tensor的MISH（A Self Regularized Non-Monotonic Neural Activation Function 自正则化非单调神经激活函数）。	Ascend	无
mindspore.mint.nn.PReLU	逐元素计算PReLU（PReLU Activation Operator）激活函数。	Ascend	无
mindspore.mint.nn.ReLU	逐元素计算ReLU（Rectified Linear Unit activation function）修正线性单元激活函数。	Ascend	无
mindspore.mint.nn.ReLU6	ReLU6激活函数。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.SELU	逐元素计算激活函数SELU（Scaled exponential Linear Unit）。	Ascend	无
mindspore.mint.nn.SiLU	逐元素计算SiLU激活函数。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.Softmax	将Softmax函数应用于n维输入Tensor。	Ascend	无
mindspore.mint.nn.Softshrink	逐元素计算Soft Shrink激活函数。	Ascend	无
mindspore.mint.nn.Tanh	逐元素计算Tanh（双曲正切值）激活函数，返回一个新的Tensor。	Ascend	这是一个实验性API，后续可能修改或删除。

嵌入层

接口名	概述	支持平台	警告
mindspore.mint.nn.Embedding	以 input 中的值作为索引，从 weight 中查询对应的embedding向量。	Ascend	这是一个实验性API，后续可能修改或删除。 在Ascend后端， input 的值非法将导致不可预测的行为。

线性层

接口名	概述	支持平台	警告
mindspore.mint.nn.Linear	全连接层。	Ascend	在PyNative模式下，如果 bias 为 False， x 不可以大于6D。

Dropout层

接口名	概述	支持平台	警告
mindspore.mint.nn.Dropout	随机丢弃层。	Ascend	无
mindspore.mint.nn.Dropout2d	在训练期间，以服从伯努利分布的概率 p 随机将输入Tensor的某些通道归零（对于shape为 \(NCHW\) 的四维Tensor，其通道特征图指的是后两维 \(HW\) 的二维特征图）。	Ascend	这是一个实验性API，后续可能修改或删除。

池化层

接口名	概述	支持平台	警告
mindspore.mint.nn.AdaptiveAvgPool1d	对由多个输入平面组成的输入信号应用1D自适应平均池化。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.AdaptiveAvgPool2d	对由多个输入平面组成的输入信号应用2D自适应平均池化。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.AdaptiveAvgPool3d	对输入Tensor，提供三维的自适应平均池化操作。	Ascend	对于Ascend，仅支持 Atlas A2 训练系列产品。 这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.AvgPool2d	对输入张量应用二维平均池化，可视为二维输入平面的组合。	Ascend	无
mindspore.mint.nn.MaxUnpool2d	Maxpool2d 的逆过程。	Ascend	这是一个实验性API，后续可能修改或删除。

填充层

接口名	概述	支持平台	警告
mindspore.mint.nn.ConstantPad1d	根据参数 padding 以及 value 对输入 input 最后1维进行填充。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.ConstantPad2d	根据参数 padding 以及 value 对输入 input 最后2维进行填充。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.ConstantPad3d	根据参数 padding 以及 value 对输入 input 最后3维进行填充。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.ReflectionPad1d	使用输入边界的反射对输入最后1维 input 进行填充。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.ReflectionPad2d	使用输入边界的反射对输入最后2维 input 进行填充。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.ReflectionPad3d	使用输入边界的反射对输入最后3维 input 进行填充。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.ReplicationPad1d	使用输入边界值对输入最后1维 input 进行填充。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.ReplicationPad2d	使用输入边界值对输入最后2维 input 进行填充。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.ReplicationPad3d	使用输入边界值对输入最后3维 input 进行填充。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.ZeroPad1d	根据参数 padding 对输入 input 最后1维填充零。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.ZeroPad2d	根据参数 padding 对输入 input 最后2维填充零。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.ZeroPad3d	根据参数 padding 对输入 input 最后3维填充零。	Ascend	这是一个实验性API，后续可能修改或删除。

损失函数

接口名	概述	支持平台	警告
mindspore.mint.nn.BCELoss	计算目标值和预测值之间的二值交叉熵损失值。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.BCEWithLogitsLoss	输入 input 经过sigmoid激活函数后作为预测值， 用此预测值计算和目标值之间的二值交叉熵损失。	Ascend	无
mindspore.mint.nn.CrossEntropyLoss	获取预测值和目标值之间的交叉熵损失。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.MSELoss	用于计算预测值与标签值之间的均方误差。	Ascend	无
mindspore.mint.nn.NLLLoss	reduction为'none'时，负对数似然损失公式如下：。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.SmoothL1Loss	计算平滑L1损失，该L1损失函数有稳健性。	Ascend	这是一个实验性API，后续可能修改或删除。

图像处理层

接口名	概述	支持平台	警告
mindspore.mint.nn.Upsample	按照给定的 size 或 scale_factor 根据 mode 设置的插值方式，对输入 input 进行插值。	Ascend	这是一个实验性API，后续可能修改或删除。

工具

接口名	概述	支持平台	警告
mindspore.mint.nn.Identity	网络占位符，返回与输入完全一致。	Ascend	无

mindspore.mint.nn.functional

卷积函数

接口名	概述	支持平台	警告
mindspore.mint.nn.functional.conv2d	对输入Tensor计算二维卷积。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.functional.conv3d	对输入Tensor计算三维卷积。	Ascend	该API不支持Atlas系列产品。 这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.functional.conv_transpose2d	将2D转置卷积运算应用于由多个输入平面组成的输入图像，有时也称为反卷积（尽管它不是实际的反卷积）。	Ascend	这是一个实验性API，后续可能修改或删除。 在输入非连续场景下， output_padding 必须小于 stride 。 在Atlas训练系列产品上，float32类型输入时，仅支持 groups 为1。
mindspore.mint.nn.functional.fold	将提取出的滑动局部区域块还原成更大的输出Tensor。	Ascend	目前，只支持3-D或4-D（包含批维度）的类图像输出Tensor。
mindspore.mint.nn.functional.unfold	从一个batch的输入Tensor中提取滑动局部块。	Ascend	目前，只支持4-D（包含批维度）的类图像Tensor。 对于Ascend，仅Atlas A2以上平台支持。

池化函数

接口名	概述	支持平台	警告
mindspore.mint.nn.functional.adaptive_avg_pool1d	对一个多平面输入信号执行一维自适应平均池化。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.functional.adaptive_avg_pool2d	对一个多平面输入信号执行二维自适应平均池化。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.functional.avg_pool1d	在输入Tensor上应用1D平均池化，输入Tensor可以看作是由一系列1D平面组成的。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.functional.avg_pool2d	在输入Tensor上应用2D平均池化，输入Tensor可以看作是由一系列2D平面组成的。	Ascend	无
mindspore.mint.nn.functional.max_pool2d	二维最大值池化。	Ascend	只支持 Atlas A2 训练系列产品。
mindspore.mint.nn.functional.max_unpool2d	max_pool2d 的逆过程。	Ascend	这是一个实验性API，后续可能修改或删除。

非线性激活函数

接口名	概述	支持平台	警告
mindspore.mint.nn.functional.batch_norm	对输入数据进行批量归一化和更新参数。	Ascend	无
mindspore.mint.nn.functional.elu	指数线性单元激活函数。	Ascend	无
mindspore.mint.nn.functional.gelu	高斯误差线性单元激活函数。	Ascend	无
mindspore.mint.nn.functional.group_norm	在mini-batch输入上进行组归一化。	Ascend	无
mindspore.mint.nn.functional.hardshrink	Hard Shrink激活函数。	Ascend	无
mindspore.mint.nn.functional.hardsigmoid	Hard Sigmoid激活函数。	Ascend	无
mindspore.mint.nn.functional.hardswish	Hard Swish激活函数。	Ascend	无
mindspore.mint.nn.functional.layer_norm	在mini-batch输入上应用层归一化（Layer Normalization）。	Ascend	无
mindspore.mint.nn.functional.leaky_relu	leaky_relu激活函数。	Ascend	无
mindspore.mint.nn.functional.log_softmax	在指定轴上对输入Tensor应用LogSoftmax函数。	Ascend	无
mindspore.mint.nn.functional.logsigmoid	按元素计算LogSigmoid激活函数。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.functional.mish	逐元素计算输入Tensor的MISH（A Self Regularized Non-Monotonic Neural Activation Function 自正则化非单调神经激活函数）。	Ascend	无
mindspore.mint.nn.functional.prelu	带参数的线性修正单元激活函数（Parametric Rectified Linear Unit activation function）。	Ascend	无
mindspore.mint.nn.functional.relu	对输入Tensor逐元素计算线性修正单元激活函数（Rectified Linear Unit）值。	Ascend	无
mindspore.mint.nn.functional.relu6	逐元素计算输入Tensor的ReLU（修正线性单元），其上限为6。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.functional.relu_	对输入Tensor逐元素原地计算线性修正单元激活函数（Rectified Linear Unit）值。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.functional.selu	激活函数selu（Scaled exponential Linear Unit）。	Ascend	无
mindspore.mint.nn.functional.sigmoid	逐元素计算Sigmoid激活函数。	Ascend	无
mindspore.mint.nn.functional.silu	逐元素计算激活函数SiLU（Sigmoid Linear Unit）。	Ascend	无
mindspore.mint.nn.functional.softmax	在指定轴上对输入Tensor执行Softmax激活函数做归一化操作。	Ascend	无
mindspore.mint.nn.functional.softplus	将softplus函数作用于 input 的每个元素上。	Ascend	无
mindspore.mint.nn.functional.softshrink	Soft Shrink激活函数。	Ascend	无
mindspore.mint.nn.functional.tanh	逐元素计算输入元素的双曲正切。	Ascend	无

归一化函数

接口名	概述	支持平台	警告
mindspore.mint.nn.functional.normalize	将输入的张量按照指定维度进行归一化。	Ascend	这是一个实验性API，后续可能修改或删除。

线性函数

接口名	概述	支持平台	警告
mindspore.mint.nn.functional.linear	对输入 input 应用全连接操作。	Ascend	这是一个实验性API，后续可能修改或删除。 在PyNative模式下，如果 bias 不是1D， input 不可以大于6D。

Dropout函数

接口名	概述	支持平台	警告
mindspore.mint.nn.functional.dropout	在训练期间，以服从伯努利分布的概率 p 随机将输入Tensor的某些值归零，起到减少神经元相关性的作用，避免过拟合。	Ascend	无
mindspore.mint.nn.functional.dropout2d	在训练期间，以服从伯努利分布的概率 p 随机将输入Tensor的某些通道归零（对于形状为 \(NCHW\) 的四维Tensor，其通道特征图指的是后两维 \(HW\) 形状的二维特征图）。	Ascend	这是一个实验性API，后续可能修改或删除。

稀疏函数

接口名	概述	支持平台	警告
mindspore.mint.nn.functional.embedding	以 input 中的值作为索引，从 weight 中查询对应的embedding向量。	Ascend	在Ascend后端， input 的值非法将导致不可预测的行为。
mindspore.mint.nn.functional.one_hot	返回一个one-hot类型的Tensor。	Ascend	无

损失函数

接口名	概述	支持平台	警告
mindspore.mint.nn.functional.binary_cross_entropy	计算预测值 input 和 目标值 target 之间的二值交叉熵（度量两个概率分布间的差异性信息）损失。	Ascend	input 的值必须要在0-1范围内。
mindspore.mint.nn.functional.binary_cross_entropy_with_logits	输入经过sigmoid激活函数后作为预测值， binary_cross_entropy_with_logits 计算预测值和目标值之间的二值交叉熵损失。	Ascend	无
mindspore.mint.nn.functional.l1_loss	用于计算预测值和目标值之间的平均绝对误差。	Ascend	无
mindspore.mint.nn.functional.mse_loss	计算预测值和标签值之间的均方误差。	Ascend	无
mindspore.mint.nn.functional.nll_loss	获取预测值和目标值之间的负对数似然损失。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.functional.smooth_l1_loss	计算平滑L1损失，该L1损失函数有稳健性。	Ascend	这是一个实验性API，后续可能修改或删除。

Vision函数

接口名	概述	支持平台	警告
mindspore.mint.nn.functional.interpolate	按照给定的 size 或 scale_factor 根据 mode 设置的插值方式，对输入 input 进行插值。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.nn.functional.grid_sample	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。	Ascend	无
mindspore.mint.nn.functional.pad	根据参数 pad 对输入进行填充。	Ascend	circular 模式性能较差，不推荐使用。

mindspore.mint.optim

接口名	概述	支持平台	警告
mindspore.mint.optim.Adam	Adaptive Moment Estimation (Adam)算法的实现。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.optim.AdamW	Adaptive Moment Estimation Weight Decay(AdamW)算法的实现。	Ascend	这是一个实验性的优化器接口，需要和 LRScheduler 下的动态学习率接口配合使用。 对于Ascend，仅Atlas A2以上平台支持。

mindspore.mint.linalg

逆数

接口名	概述	支持平台	警告
mindspore.mint.linalg.inv	计算输入矩阵的逆。	Ascend	无
mindspore.mint.linalg.matrix_norm	返回给定Tensor在指定维度上的矩阵范数。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.linalg.norm	返回给定Tensor的矩阵范数或向量范数。	Ascend	这是一个实验性API，后续可能修改或删除。
mindspore.mint.linalg.vector_norm	返回给定Tensor在指定维度上的向量范数。	Ascend	这是一个实验性API，后续可能修改或删除。

mindspore.mint.special

逐元素运算

接口名	概述	支持平台	警告
mindspore.mint.special.erfc	逐元素计算 input 的互补误差函数。	Ascend	无
mindspore.mint.special.exp2	逐元素计算Tensor input 以2为底的指数。	Ascend	无
mindspore.mint.special.expm1	逐元素计算输入Tensor的指数，然后减去1。	Ascend	无
mindspore.mint.special.log1p	对输入Tensor逐元素加一后计算自然对数。	Ascend	无
mindspore.mint.special.log_softmax	在指定轴上对输入Tensor应用LogSoftmax函数。	Ascend	无
mindspore.mint.special.round	对输入数据进行四舍五入到最接近的整数数值。	Ascend	无
mindspore.mint.special.sinc	计算输入的归一化正弦值。	Ascend	无

mindspore.mint.distributed

接口名	概述	支持平台	警告
mindspore.mint.distributed.all_gather	汇聚指定的通信组中的Tensor，并返回汇聚后的张量。	Ascend	无
mindspore.mint.distributed.all_gather_into_tensor	汇聚指定的通信组中的Tensor，并返回汇聚后的张量。	Ascend	无
mindspore.mint.distributed.all_gather_object	汇聚指定的通信组中的Python对象。	Ascend	无
mindspore.mint.distributed.all_reduce	使用指定方式对通信组内的所有设备的Tensor数据进行规约操作，所有设备都得到相同的结果，返回规约操作后的张量。	Ascend	无
mindspore.mint.distributed.all_to_all	根据用户输入的张量列表，将对应的张量发送到远端设备，并从其他设备接收张量，返回一个接收的张量列表。	Ascend	无
mindspore.mint.distributed.all_to_all_single	根据用户输入的切分大小，把输入tensor切分后，发送到其他的设备上，并从其他设备接收切分块，然后合并到一个输出tensor中。	Ascend	无
mindspore.mint.distributed.barrier	同步通信域内的多个进程。	Ascend	无
mindspore.mint.distributed.batch_isend_irecv	异步地发送和接收张量。	Ascend	无
mindspore.mint.distributed.broadcast	对输入数据整组广播。	Ascend	无
mindspore.mint.distributed.broadcast_object_list	对输入Python对象进行整组广播。	Ascend	无
mindspore.mint.distributed.destroy_process_group	销毁指定通讯group。	Ascend	无
mindspore.mint.distributed.gather	对通信组的输入张量进行聚合。	Ascend	无
mindspore.mint.distributed.gather_object	对通信组的输入Python对象进行聚合。	Ascend	无
mindspore.mint.distributed.get_backend	在指定通信组中获取当前分布式后端的名称。	Ascend	无
mindspore.mint.distributed.get_global_rank	由指定通信组中的设备序号获取通信集群中的全局设备序号。	Ascend	无
mindspore.mint.distributed.get_group_rank	由通信集群中的全局设备序号获取指定用户通信组中的rank ID。	Ascend	无
mindspore.mint.distributed.get_process_group_ranks	获取指定通信组中的进程，并将通信组中的进程编号以列表方式返回。	Ascend	无
mindspore.mint.distributed.get_rank	在指定通信组中获取当前的设备序号。	Ascend	无
mindspore.mint.distributed.get_world_size	获取指定通信组实例的rank_size。	Ascend	无
mindspore.mint.distributed.init_process_group	初始化通信服务并创建默认通讯group（group=GlobalComm.WORLD_COMM_GROUP）。	Ascend	无
mindspore.mint.distributed.irecv	异步接收张量到指定线程。	Ascend	无
mindspore.mint.distributed.isend	异步发送张量到指定线程。	Ascend	无
mindspore.mint.distributed.new_group	创建用户自定义的通信组实例。	Ascend	无
mindspore.mint.distributed.P2POp	用于存放关于'isend'、'irecv'相关的信息， 并用于 batch_isend_irecv 接口的入参。	Ascend	无
mindspore.mint.distributed.recv	同步接收张量到指定线程。	Ascend	无
mindspore.mint.distributed.reduce	规约指定通信组中的张量，并将规约结果发送到目标为dst的进程(全局的进程编号)中，返回发送到目标进程的张量。	Ascend	无
mindspore.mint.distributed.reduce_scatter	规约并且分发指定通信组中的张量，返回分发后的张量。	Ascend	无
mindspore.mint.distributed.reduce_scatter_tensor	规约并且分发指定通信组中的张量，返回分发后的张量。	Ascend	无
mindspore.mint.distributed.scatter	对输入张量进行均匀散射到通信域的卡上。	Ascend	无
mindspore.mint.distributed.scatter_object_list	对输入Python对象列表进行均匀散射到通信域的卡上。	Ascend	无
mindspore.mint.distributed.send	同步发送张量到指定线程。	Ascend	无