添加

添加 - 14

版本

  • 名称: 添加 (GitHub)

  • 域: main

  • 自版本: 14

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的算子已从版本 14开始可用。

摘要

执行逐元素二元加法（支持 Numpy 样式广播）。

此算子支持多方向（即，Numpy 样式）广播；有关更多详细信息，请查看ONNX 中的广播。

（Opset 14 更改）：扩展支持的类型以包括 uint8、int8、uint16 和 int16。

输入

  • A（异构） - T

    第一个操作数。

  • B（异构） - T

    第二个操作数。

输出

  • C（异构） - T

    结果，与两个输入具有相同的元素类型

类型约束

  • T 在（tensor(bfloat16), tensor(double), tensor(float), tensor(float16), tensor(int16), tensor(int32), tensor(int64), tensor(int8), tensor(uint16), tensor(uint32), tensor(uint64), tensor(uint8)）

    将输入和输出类型限制为所有数值张量。

添加 - 13

版本

  • 名称: 添加 (GitHub)

  • 域: main

  • 自版本: 13

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的算子已从版本 13开始可用。

摘要

执行逐元素二元加法（支持 Numpy 样式广播）。

此算子支持多方向（即，Numpy 样式）广播；有关更多详细信息，请查看ONNX 中的广播。

输入

  • A（异构） - T

    第一个操作数。

  • B（异构） - T

    第二个操作数。

输出

  • C（异构） - T

    结果，与两个输入具有相同的元素类型

类型约束

  • T 在（tensor(bfloat16), tensor(double), tensor(float), tensor(float16), tensor(int32), tensor(int64), tensor(uint32), tensor(uint64)）

    将输入和输出类型限制为高精度数值张量。

添加 - 7

版本

  • 名称: 添加 (GitHub)

  • 域: main

  • since_version: 7

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的运算符已从版本 7开始提供。

摘要

执行逐元素二元加法（支持 Numpy 样式广播）。

此算子支持多方向（即，Numpy 样式）广播；有关更多详细信息，请查看ONNX 中的广播。

输入

  • A（异构） - T

    第一个操作数。

  • B（异构） - T

    第二个操作数。

输出

  • C（异构） - T

    结果，与两个输入具有相同的元素类型

类型约束

  • T 在 ( tensor(double), tensor(float), tensor(float16), tensor(int32), tensor(int64), tensor(uint32), tensor(uint64) )

    将输入和输出类型限制为高精度数值张量。

加法 - 6

版本

  • 名称: 添加 (GitHub)

  • 域: main

  • since_version: 6

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的运算符已从版本 6开始提供。

摘要

执行元素级二元加法（具有有限的广播支持）。

如有必要，右侧参数将被广播以匹配左侧参数的形状。当指定广播时，第二个张量可以是元素大小为 1（包括标量张量和任何秩等于或小于第一个张量的张量），或者其形状作为第一个张量形状的连续子集。相互匹配的形状的起点由参数“axis”指定，如果未设置，则假设后缀匹配。1 维扩展目前不可用。

例如，以下张量形状受支持（广播=1）

shape(A) = (2, 3, 4, 5), shape(B) = (,), 即 B 是一个标量张量 shape(A) = (2, 3, 4, 5), shape(B) = (1, 1), 即 B 是一个 1 元素张量 shape(A) = (2, 3, 4, 5), shape(B) = (5,) shape(A) = (2, 3, 4, 5), shape(B) = (4, 5) shape(A) = (2, 3, 4, 5), shape(B) = (3, 4)，轴=1 shape(A) = (2, 3, 4, 5), shape(B) = (2)，轴=0

需要传递属性 broadcast=1 来启用广播。

属性

  • axis - INT :

    如果设置，则定义广播维度。有关详细信息，请参阅文档。

  • broadcast - INT（默认值为 '0'）

    传递 1 以启用广播

输入

  • A（异构） - T

    第一个操作数，应与第二个操作数共享类型。

  • B（异构） - T

    第二个操作数。如果使用广播，则其大小可以小于 A。如果禁用广播，则其大小应与 A 相同。

输出

  • C（异构） - T

    结果，与 A 具有相同的维度和类型

类型约束

  • T 在 ( tensor(double), tensor(float), tensor(float16), tensor(int32), tensor(int64), tensor(uint32), tensor(uint64) )

    将输入和输出类型限制为高精度数值张量。

加法 - 1

版本

  • 名称: 添加 (GitHub)

  • 域: main

  • since_version: 1

  • 函数: False

  • 支持级别: SupportType.COMMON

  • shape inference: False

此版本的运算符已从版本 1开始提供。

摘要

执行元素级二元加法（具有有限的广播支持）。

如有必要，右侧参数将被广播以匹配左侧参数的形状。当指定广播时，第二个张量可以是元素大小为 1（包括标量张量和任何秩等于或小于第一个张量的张量），或者其形状作为第一个张量形状的连续子集。相互匹配的形状的起点由参数“axis”指定，如果未设置，则假设后缀匹配。1 维扩展目前不可用。

例如，以下张量形状受支持（广播=1）

shape(A) = (2, 3, 4, 5), shape(B) = (,), 即 B 是一个标量张量 shape(A) = (2, 3, 4, 5), shape(B) = (1, 1), 即 B 是一个 1 元素张量 shape(A) = (2, 3, 4, 5), shape(B) = (5,) shape(A) = (2, 3, 4, 5), shape(B) = (4, 5) shape(A) = (2, 3, 4, 5), shape(B) = (3, 4)，轴=1 shape(A) = (2, 3, 4, 5), shape(B) = (2)，轴=0

需要传递属性 broadcast=1 来启用广播。

属性

  • axis - INT :

    如果设置，则定义广播维度。有关详细信息，请参阅文档。

  • broadcast - INT（默认值为 '0'）

    传递 1 以启用广播

  • consumed_inputs - INTS :

    旧版优化属性。

输入

  • A（异构） - T

    第一个操作数，应与第二个操作数共享类型。

  • B（异构） - T

    第二个操作数。如果使用广播，则其大小可以小于 A。如果禁用广播，则其大小应与 A 相同。

输出

  • C（异构） - T

    结果，与 A 具有相同的维度和类型

类型约束

  • T 在 ( tensor(double), tensor(float), tensor(float16) )

    将输入和输出类型限制为浮点张量。