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]))