mindspore.mint.sum

mindspore.mint.sum(input, *, dtype=None) → Tensor

计算tensor所有元素的和。

参数：

• input (Tensor) - 输入tensor。

关键字参数：

• dtype (mindspore.dtype, 可选) - 期望输出tensor的类型。默认 None 。

返回：

Tensor

支持平台：

Ascend

样例：

>>> import mindspore
>>> x = mindspore.tensor([[[1, 1, 1, 1, 1, 1], [2, 2, 2, 2, 2, 2], [3, 3, 3, 3, 3, 3]],
...                      [[4, 4, 4, 4, 4, 4], [5, 5, 5, 5, 5, 5], [6, 6, 6, 6, 6, 6]],
...                      [[7, 7, 7, 7, 7, 7], [8, 8, 8, 8, 8, 8], [9, 9, 9, 9, 9, 9]]], mindspore.float32)
>>> mindspore.mint.sum(x)
Tensor(shape=[], dtype=Float32, value= 270)

mindspore.mint.sum(input, dim, keepdim=False, *, dtype=None) → Tensor

计算tensor在指定维度上元素的和。

说明

Tensor类型的 dim 仅用作兼容旧版本，不推荐使用。

参数：

• input (Tensor) - 输入tensor。

• dim (Union[int, tuple(int), list(int), Tensor]) - 指定计算维度。

• keepdim (bool，可选) - 输出tensor是否保留维度。默认 False 。

关键字参数：

• dtype (mindspore.dtype, 可选) - 期望输出tensor的类型。默认 None 。

返回：

Tensor

支持平台：

Ascend

样例：

>>> import mindspore
>>> x = mindspore.tensor([[[1, 1, 1, 1, 1, 1], [2, 2, 2, 2, 2, 2], [3, 3, 3, 3, 3, 3]],
...                      [[4, 4, 4, 4, 4, 4], [5, 5, 5, 5, 5, 5], [6, 6, 6, 6, 6, 6]],
...                      [[7, 7, 7, 7, 7, 7], [8, 8, 8, 8, 8, 8], [9, 9, 9, 9, 9, 9]]], mindspore.float32)
>>> mindspore.mint.sum(x, dim=2)
Tensor(shape=[3, 3], dtype=Float32, value=
[[ 6.00000000e+00,  1.20000000e+01,  1.80000000e+01],
 [ 2.40000000e+01,  3.00000000e+01,  3.60000000e+01],
 [ 4.20000000e+01,  4.80000000e+01,  5.40000000e+01]])
>>> mindspore.mint.sum(x, dim=2, keepdim=True)
Tensor(shape=[3, 3, 1], dtype=Float32, value=
[[[ 6.00000000e+00],
  [ 1.20000000e+01],
  [ 1.80000000e+01]],
 [[ 2.40000000e+01],
  [ 3.00000000e+01],
  [ 3.60000000e+01]],
 [[ 4.20000000e+01],
  [ 4.80000000e+01],
  [ 5.40000000e+01]]])
>>> mindspore.mint.sum(x, dim=[1, 2])
Tensor(shape=[3], dtype=Float32, value= [ 3.60000000e+01,  9.00000000e+01,  1.44000000e+02])