mindspore.Tensor.all

mindspore.Tensor.all(axis=None, keep_dims=False)

默认情况下，通过对维度中所有元素进行“逻辑与”来减少 self 的维度。也可以沿 axis 减少 self 的维度。通过控制 keep_dims 来确定输出和输入的维度是否相同。

说明

Tensor类型的 axis 仅用作兼容旧版本，不推荐使用。

参数：

axis (Union[int, tuple(int), list(int), Tensor], 可选) - 要减少的维度。假设 self 的秩为r，取值范围[-r,r)。默认值： None ，缩小所有维度。
keep_dims (bool, 可选) - 如果为 True ，则保留缩小的维度，大小为1。否则移除维度。默认值： False 。

返回：

Tensor，数据类型是bool。

如果 axis 为 None ，且 keep_dims 为 False ，则输出一个零维Tensor，表示输入Tensor中所有元素进行“逻辑与”。
如果 axis 为int，例如取值为2，并且 keep_dims 为 False ，则输出的shape为 \((self_1, self_3, ..., self_R)\) 。
如果 axis 为tuple(int)或list(int)，例如取值为(2, 3)，并且 keep_dims 为 False ，则输出Tensor的shape为 \((self_1, self_4, ..., self_R)\) 。
如果 axis 为一维Tensor，例如取值为[2, 3]，并且 keep_dims 为 False ，则输出Tensor的shape为 \((self_1, self_4, ..., self_R)\) 。

异常：

TypeError - keep_dims 不是bool类型。
TypeError - axis 不是以下数据类型之一：int、tuple、list或Tensor。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor
>>> x = Tensor(np.array([[True, False], [True, True]]))
>>> # case 1: Reduces a dimension by the "logicalAND" of all elements in the dimension.
>>> output = Tensor.all(x, keep_dims=True)  # x.all(keep_dims=True)
>>> print(output)
[[False]]
>>> print(output.shape)
(1, 1)
>>> # case 2: Reduces a dimension along axis 0.
>>> output = Tensor.all(x, axis=0)  # x.all(axis=0)
>>> print(output)
[ True False]
>>> # case 3: Reduces a dimension along axis 1.
>>> output = Tensor.all(x, axis=1)  #x.all(axis=1)
>>> print(output)
[False True]

mindspore.Tensor.all(dim=None, keepdim=False)

默认情况下，通过对维度中所有元素进行“逻辑与”来减少 self 的维度。也可以沿 dim 减少 self 的维度。通过控制 keepdim 来确定输出和输入的维度是否相同。

说明

Tensor类型的 dim 仅用作兼容旧版本，不推荐使用。