mindspore.Tensor.topk

mindspore.Tensor.topk(k, dim=- 1, largest=True, sorted=True)

沿给定维度查找 k 个最大或最小元素和对应的索引。

警告

• 如果 sorted 设置为False，由于不同平台上的内存布局和遍历方法不同：当 sorted 为False时，计算结果的显示顺序可能不一致。

如果 self 是一维Tensor，则查找Tensor中 k 个最大或最小元素，并且将其值和索引输出为Tensor。 values[k] 是 self 中 k 个最大元素，同时其索引值为 indices[k] 。

对于多维矩阵，计算给定维度中最大或最小的 k 个元素，因此：

\[values.shape = indices.shape\]

如果两个比较的元素相同，则优先返回索引值较小的元素。

参数：

• k (int) - 指定计算最大或最小元素的数量，必须为常量。

• dim (int, 可选) - 需要排序的维度。 默认值: -1 。

• largest (bool, 可选) - 如果设置为 False ，则会返回 k 个最小元素。默认值： True 。

• sorted (bool, 可选) - 如果设置为 True ，则获取的元素将按值降序排序，如果设置为 False，则不对获取的元素进行排序，默认值：True 。

返回：

由 values 和 indices 组成的tuple。 - values (Tensor) - 给定维度的每个切片中的 k 最大元素或最小元素。 - indices (Tensor) - k 最大元素的对应索引。

异常：

• TypeError - 如果 sorted 不是bool。

• TypeError - 如果 k 不是int。

支持平台：

Ascend

样例：

>>> import mindspore as ms
>>> from mindspore import Tensor
>>> x = ms.Tensor([[0.5368, 0.2447, 0.4302, 0.9673],
...                [0.4388, 0.6525, 0.4685, 0.1868],
...                [0.3563, 0.5152, 0.9675, 0.8230]], dtype=ms.float32)
>>> output = Tensor.topk(x, 2, dim=1)
>>> print(output)
(Tensor(shape=[3, 2], dtype=Float32, value=
[[ 9.67299998e-01,  5.36800027e-01],
 [ 6.52499974e-01,  4.68499988e-01],
 [ 9.67499971e-01,  8.23000014e-01]]), Tensor(shape=[3, 2], dtype=Int32, value=
[[3, 0],
 [1, 2],
 [2, 3]]))
>>> output2 = Tensor.topk(x, 2, dim=1, largest=False)
>>> print(output2)
(Tensor(shape=[3, 2], dtype=Float32, value=
[[ 2.44700000e-01,  4.30200011e-01],
 [ 1.86800003e-01,  4.38800007e-01],
 [ 3.56299996e-01,  5.15200019e-01]]), Tensor(shape=[3, 2], dtype=Int32, value=
[[1, 2],
 [3, 0],
 [0, 1]]))

mindspore.Tensor.topk(k, dim=None, largest=True, sorted=True)

详情请参考 mindspore.ops.topk() 。