mindspore.ops.ArgMaxWithValue

class mindspore.ops.ArgMaxWithValue(axis=0, keep_dims=False)[源代码]

根据指定的索引计算最大值，并返回索引和值。

在给定轴上计算输入Tensor的最大值，并且返回最大值和索引。

Note

在auto_parallel和semi_auto_parallel模式下，不能使用第一个输出索引。

Warning

如果有多个最大值，则取第一个最大值的索引。
“axis”的取值范围为[-dims, dims - 1]。”dims”为”input_x”的维度长度。

参数：

axis (int) - 指定计算维度。默认值：0。
keep_dims (bool) - 表示是否减少维度，如果为True，输出将与输入保持相同的维度；如果为False，输出将减少维度。默认值：False。

输入：

input_x (Tensor) - 输入任意维度的Tensor。将输入Tensor的shape设为 \((x_1, x_2, ..., x_N)\) 。数据类型为mindspore.float16或float32。

输出：

tuple (Tensor)，表示2个Tensor组成的tuple，包含对应的索引和输入Tensor的最大值。

index (Tensor) - 输入Tensor最大值的索引。如果 keep_dims 为True，则输出Tensor的shape为 \((x_1, x_2, ..., x_{axis-1}, 1, x_{axis+1}, ..., x_N)\) 。否则，shape为 \((x_1, x_2, ..., x_{axis-1}, x_{axis+1}, ..., x_N)\) 。
output_x (Tensor) - 输入Tensor的最大值，其shape与索引相同。

异常：

TypeError - keep_dims 不是bool。
TypeError - axis 不是int。

支持平台：: Ascend GPU CPU

样例：

>>> input_x = Tensor(np.array([0.0, 0.4, 0.6, 0.7, 0.1]), mindspore.float32)
>>> index, output = ops.ArgMaxWithValue()(input_x)
>>> print(index, output)
3 0.7
>>> index, output = ops.ArgMaxWithValue(keep_dims=True)(input_x)
>>> print(index, output)
[3] [0.7]