mindspore.mint.amax

mindspore.mint.amax(input, dim=(), keepdim=False)

计算输入 input 中指定 dim 维度上所有元素的最大值，并根据 keepdim 参数决定是否保留该维度。

警告

这是一个实验性API，后续可能修改或删除。

参数：

• input (Tensor) - 输入Tensor。

• dim (Union[int, tuple(int), list(int)], 可选) - 需要规约的维度，数值在 [-len(input.shape), len(input.shape) - 1] 之间， 输入为 () 时规约所有维度，默认值： ()。

• keepdim (bool, 可选) - 输出张量是否保留维度 dim，默认值： False。

返回：

Tensor，数据类型与 input 一致，shape根据输入 dim 和 keepdim 的数值而变化。

• 如果 dim 为 ()，并且 keepdim 为 False，则输出为一个零维Tensor，表示输入 input 中所有元素最大值。

• 如果 dim 为 1，并且 keepdim 为 False，则输出shape为 \((input.shape[0], input.shape[2], ..., input.shape[n])\)。

• 如果 dim 为 (1, 2)，并且 keepdim 为 False，则输出shape为 \((input.shape[0], input.shape[3], ..., input.shape[n])\)。

异常：

• TypeError - input 不是Tensor。

• TypeError - dim 不是int或tuple(int)或list(int)。

• TypeError - keepdim 不是bool类型。

• ValueError - dim 中任意元素的数值不在 [-len(input.shape), len(input.shape) - 1] 之间。

• RuntimeError - dim 中任意元素重复。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor
>>> from mindspore import mint
>>> x = Tensor(np.random.randn(3, 4, 5, 6).astype(np.float32))
>>> output = mint.amax(x, 1, keepdim=True)
>>> result = output.shape
>>> print(result)
(3, 1, 5, 6)
>>> # case 1: Reduces a dimension by the maximum value of all elements in the dimension.
>>> x = Tensor(np.array([[[1, 1, 1, 1, 1, 1], [2, 2, 2, 2, 2, 2], [3, 3, 3, 3, 3, 3]],
... [[4, 4, 4, 4, 4, 4], [5, 5, 5, 5, 5, 5], [6, 6, 6, 6, 6, 6]],
... [[7, 7, 7, 7, 7, 7], [8, 8, 8, 8, 8, 8], [9, 9, 9, 9, 9, 9]]]),
... mindspore.float32)
>>> output = mint.amax(x)
>>> print(output)
9.0
>>> print(output.shape)
()
>>> # case 2: Reduces a dimension along axis 0.
>>> output = mint.amax(x, 0, True)
>>> print(output)
[[[7. 7. 7. 7. 7. 7.]
  [8. 8. 8. 8. 8. 8.]
  [9. 9. 9. 9. 9. 9.]]]
>>> # case 3: Reduces a dimension along axis 1.
>>> output = mint.amax(x, 1, True)
>>> print(output)
[[[3. 3. 3. 3. 3. 3.]]
 [[6. 6. 6. 6. 6. 6.]]
 [[9. 9. 9. 9. 9. 9.]]]
>>> # case 4: Reduces a dimension along axis 2.
>>> output = mint.amax(x, 2, True)
>>> print(output)
[[[1.]
  [2.]
  [3.]]
 [[4.]
  [5.]
  [6.]]
 [[7.]
  [8.]
  [9.]]]