mindspore.ops.unsorted_segment_min

mindspore.ops.unsorted_segment_min(x, segment_ids, num_segments)

沿分段计算输入Tensor的最小值。

unsorted_segment_min的计算过程如下图所示：

\[\text { output }_i=\text{min}_{j \ldots} \text { data }[j \ldots]\]

\(min\) 返回元素 \(j...\) 中的最小值，其中 \(segment\_ids[j...] == i\) 。

说明

• 如果 segment_ids 中不存在segment_id i ，则将使用 x 的数据类型的最大值填充输出 output[i] 。

• segment_ids 必须是一个非负Tensor。

参数：

• x (Tensor) - shape： \((x_1, x_2, ..., x_R)\) 。数据类型支持float16、float32或int32。

• segment_ids (Tensor) - 用于指示每个元素所属段的标签，将shape设置为 \((x_1, x_2, ..., x_N)\) ，其中0<N<=R。

• num_segments (Union[int, Tensor], 可选) - 分段数量 \(z\) ，可以为int或零维的Tensor。

返回：

Tensor, shape为 \((z, x_{N+1}, ..., x_R)\)。

异常：

• TypeError - num_segments 不是int类型。

支持平台：

Ascend GPU CPU

样例：

>>> from mindspore import Tensor
>>> from mindspore import ops
>>> import numpy as np
>>> x = Tensor(np.array([[1, 2, 3], [4, 5, 6], [4, 2, 1]]).astype(np.float32))
>>> segment_ids = Tensor(np.array([0, 1, 1]).astype(np.int32))
>>> num_segments = 2
>>> output = ops.unsorted_segment_min(x, segment_ids, num_segments)
>>> print(output)
[[1. 2. 3.]
 [4. 2. 1.]]