mindspore.ops.ArgMinWithValue

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

根据指定的索引计算最小值,并返回索引和值。

在给定轴上计算输入Tensor的最小值,并且返回最小值和索引。

Note

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

Warning

  • 如果有多个最小值,则取第一个最小值的索引。

  • “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,则输出维度和输入维度相同。如果为False,则减少输出维度。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 \((x_1, x_2, ..., x_N)\)

输出:

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

  • index (Tensor) - 输入Tensor最小值的索引。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的最小值,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)
>>> output = ops.ArgMinWithValue()(input_x)
>>> print(output)
(Tensor(shape=[], dtype=Int32, value= 0), Tensor(shape=[], dtype=Float32, value= 0))
>>> output = ops.ArgMinWithValue(keep_dims=True)(input_x)
>>> print(output)
(Tensor(shape=[1], dtype=Int32, value= [0]), Tensor(shape=[1], dtype=Float32, value= [ 0.00000000e+00]))