mindspore.mint.unique_consecutive
- mindspore.mint.unique_consecutive(input, return_inverse=False, return_counts=False, dim=None)[源代码]
对输入Tensor中连续且重复的元素去重。
在 return_inverse=True 时,会返回一个Tensor,包含输入Tensor中的元素在输出Tensor中的索引;
在 return_counts=True 时,会返回一个Tensor,表示输出元素在输入中的个数。
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。
return_inverse (bool, 可选) - 是否返回每个输入中元素映射到输出中位置的索引。默认值:
False
。return_counts (bool, 可选) - 是否返回每个去重元素在输入所在的连续序列的计数。默认值:
False
。dim (int, 可选) - 维度。如果为
None
,则对输入进行展平操作。如果指定,必须是int32或int64类型。默认值:None
。
- 返回:
Tensor或包含Tensor对象的元组( output 、 inverse_indices 、 counts )。
output (Tensor),output 为去重后的输出,与 input 具有相同的数据类型。
inverse_indices (Tensor, 可选),如果 return_inverse 为
True
,则返回张量 inverse_indices 。张量 inverse_indices 的shape与 input 相同,表示每个输入中元素映射到输出中位置的索引。counts (Tensor, 可选),如果 return_counts 为
True
,则返回张量 counts。张量 counts 的shape与 output 相同或当给定dim值时为 output.shape[dim] ,表示每个去重元素在输入中所在的连续序列的计数。
- 异常:
TypeError - input 不是Tensor。
TypeError - input 的数据类型不支持。
TypeError - return_inverse 不是bool。
TypeError - return_counts 不是bool。
TypeError - dim 不是int。
ValueError - dim 不在 \([-ndim, ndim-1]\) 范围内。
- 支持平台:
Ascend
样例:
>>> import numpy as np >>> from mindspore import Tensor, mint >>> from mindspore import dtype as mstype >>> x = Tensor(np.array([1, 1, 2, 2, 3, 1, 1, 2]), mstype.int64) >>> output, inverse_indices, counts = mint.unique_consecutive(x, True, True, None) >>> print(output) [1 2 3 1 2] >>> print(inverse_indices) [0 0 1 1 2 3 3 4] >>> print(counts) [2 2 1 2 1]