GatherOperation

产品支持情况

硬件型号	是否支持	特殊说明
Atlas A3 推理系列产品/Atlas A3 训练系列产品	√	-
Atlas A2 训练系列产品/Atlas A2 推理系列产品	√	-
Atlas 训练系列产品	√	-
Atlas 推理系列产品	√	-
Atlas 200I/500 A2 推理产品	√	输入x数据类型只支持float16。

功能说明

从输入张量中根据索引收集切片，并将这些切片组合成一个新的张量。

图1 GatherOperation算子上下文

定义

struct GatherParam {
    int64_t axis = 0;
    int64_t batchDims = 0;
    uint8_t rsv[16] = {0};
};

参数列表

成员名称	类型	默认值	取值范围	是否必选	描述
axis	int64_t	0	>=0且<=n	是	指定要收集切片的哪个轴。默认值为0。n为输入x的维度最大索引。
batchDims	int64_t	0	>=0且<=min(axis,m)	是	代表批处理的维度数。表示可以从每轮批处理的元素中分别取出满足要求的切片数据。例如，如果batchDims=1，则代表在x的第(axis - batchDims)轴上有一个外循环，见示例2。 m为输入indices的维度最大索引。
rsv[16]	uint8_t	{0}	[0]	否	预留参数。

成员名称

类型

默认值

取值范围

是否必选

描述

axis

int64_t

>=0且<=n

是

指定要收集切片的哪个轴。默认值为0。n为输入x的维度最大索引。

batchDims

int64_t

>=0且<=min(axis,m)

是

代表批处理的维度数。表示可以从每轮批处理的元素中分别取出满足要求的切片数据。

例如，如果batchDims=1，则代表在x的第(axis - batchDims)轴上有一个外循环，见示例2。

m为输入indices的维度最大索引。

rsv[16]

uint8_t

{0}

[0]

否

预留参数。

输入

参数	维度	数据类型	格式	描述
x	[dim_x_0，dim_x_1，...，dim_x_n]	float16/float/bfloat16/int32/uint32/int64	ND	输入tensor。
indices	batchDims=0时： [dim_in_0，dim_in_1，...，dim_in_m] batchDims>0时： [dim_x_0,...,dim_x_(batchDims-1),dim_in_k,...,dim_in_m]	int64/int32/uint32	ND	索引表，元素取值范围为[0,dim_x_axis)。

输出

参数	维度	数据类型	格式	描述
output	[dim_x_0，dim_x_1，...，dim_x_n]	float16/float/bfloat16/int32/uint32/int64	ND	输出tensor。数据类型与x保持一致。 batchDims=0时，output维度中的dim_x_axis要被替换为dim_in_0,dim_in_1,...,dim_in_m。 batchDim>0时，output维度中的dim_x_axis要被替换为dim_in_k,...,dim_in_m。

参数

维度

数据类型

格式

描述

output

[dim_x_0，dim_x_1，...，dim_x_n]

float16/float/bfloat16/int32/uint32/int64

输出tensor。数据类型与x保持一致。

batchDims=0时，output维度中的dim_x_axis要被替换为dim_in_0,dim_in_1,...,dim_in_m。
batchDim>0时，output维度中的dim_x_axis要被替换为dim_in_k,...,dim_in_m。

约束说明

因output的维度数小于等于8，故（n+1）+（m+1）-1-batchdims <= 8。

接口调用示例

示例1：

axis = 1;
batchDims = 0;
输入tensor为：
 x=  [[1,2,3],
      [4,5,6],
      [7,8,9]]
indices tensor为：
indices=[2,0]
根据indices tensor的值，在axis轴获取x数据切片，output tensor为：
output=[[3, 1],
        [6, 4],
        [9, 7]]

示例2:

axis= 1;
batchDims = 1;
输入tensor为：
 x=  [[1,2,3],
      [4,5,6],
      [7,8,9]]
indices tensor为：
indices=[[1],
         [2],
         [0]]
因为batch_dims=1，则代表在第一个轴上（即轴0）进行批处理。在轴0上，将x[i]和indices[i]进行一一对应的gather处理，根据indices的值，在axis轴获取x的数据切片, 其中i为batch轴的坐标，output tensor为：
output= [[2,],
         [6,],
         [7,]]
上面等价于：
def gather_fun(x, indices, axis):
       batch_dims=1
       res= []
    # 进行外循环
    for p,i in zip(x, indices): 
         r = tf.gather(p, i, axis=axis-batch_dims)
         res.append(r)
    return tf.stack(res)

父主题： atb/infer_op_params.h