mindspore.ops.unique_consecutive

mindspore.ops.unique_consecutive(input, return_idx=False, return_counts=False, axis=None)

对输入Tensor中连续且重复的元素去重。

参数：

• input (Tensor) - 输入Tensor。

• return_idx (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 。

• axis (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 、 idx 、 counts ）。

• output 为去重后的输出，与 input 具有相同的数据类型。

• 如果 return_idx 为 True ，则返回张量 idx ，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。

• 如果 return_counts 为 True ，则返回张量 counts ，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_idx 不是bool。

• TypeError - return_counts 不是bool。

• TypeError - axis 不是int。

• ValueError - axis 不在 \([-ndim, ndim-1]\) 范围内。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> from mindspore import dtype as mstype
>>> x = Tensor(np.array([1, 1, 2, 2, 3, 1, 1, 2]), mstype.int32)
>>> output, idx, counts = ops.unique_consecutive(x, True, True, None)
>>> print(output)
[1 2 3 1 2]
>>> print(idx)
[0 0 1 1 2 3 3 4]
>>> print(counts)
[2 2 1 2 1]