【Mindspore-ascend】【自定义算子】GRAPH_MODE下，自定义如何遍历Tensor

因为需要使用了带weights的SoftmaxCrossEntropyLoss，就在mindspore提供的nn.SoftmaxCrossEntropyLoss上自定义了一个算子。

在该算子中，我需要遍历一维Tensor。在PYNATIVE模式中，我将Tensor转为numpy数组实现该操作。但是在GRAPH_MODE中无法将Tensor转为numpy或list，请问该如何操作？

【相关代码】

# labels_int: (n,)维Tensor
# self.ignore_label: int
# self.cls_weight: (c, )维Tensor
weights_np = np.ones((labels_int.shape[0]))
labels_np = labels_int.asnumpy()
weights_np[labels_np == self.ignore_label] = 0
cls_weight_np = self.cls_weight.asnumpy()
for idx, v in enumerate(cls_weight_np, 0):
    weights_np[labels_np == idx] *= v

你的问题是想在图模式下，遍历一个一维Tensor，当前可以通过两种方式遍历Tensor。

1. 第一种获取Tensor第一维的长度，然后通过整数索引遍历，如下：

   for i in range(x.shape[0]):
   
       x[i]

2. 第二种通过enumerate接口，直接遍历，如下：

   for i, ele in enumerate(x, 0):
   
       ele