mindspore.ops.ReduceMax

class mindspore.ops.ReduceMax(keep_dims=False)[源代码]

默认情况下，输出张量各维度上的最大值，以达到对所有维度进行归约的目的。也可以对指定维度进行求最大值归约。

通过指定 keep_dims 参数，来控制输出和输入的维度是否相同。

参数：

keep_dims (bool) - 如果为True，则保留计算的维度，长度为1。如果为False，则不保留计算维度。默认值：False，输出结果会降低维度。

输入：

x (Tensor[Number]) - ReduceMax的输入，任意维度的Tensor，秩应小于8。其数据类型为数值型。
axis (Union[int, tuple(int), list(int)]) - 指定计算维度。默认值：()，即计算所有元素的最大值。只允许常量值，取值范围[-rank(x), rank(x))。

输出：

Tensor，shape与输入 x 相同。

如果 axis 为()，且keep_dims为False，则输出一个0维Tensor，表示输入Tensor中所有元素的最大值。
如果 axis 为int，取值为2，并且keep_dims为False，则输出的shape为 \((x_1, x_3, ..., x_R)\) 。
如果 axis 为tuple(int)或list(int)，取值为(2, 3)，并且keep_dims为False，则输出的shape为 \((x_1, x_4, ..., x_R)\) 。

异常：

TypeError - keep_dims 不是bool。
TypeError - x 不是Tensor。
TypeError - axis 不是int、tuple或list。

支持平台：: Ascend GPU CPU

样例：

>>> x = Tensor(np.random.randn(3, 4, 5, 6).astype(np.float32))
>>> op = ops.ReduceMax(keep_dims=True)
>>> output = op(x, 1)
>>> result = output.shape
>>> print(result)
(3, 1, 5, 6)
>>> # case 1: Reduces a dimension by the maximum value of all elements in the dimension.
>>> x = Tensor(np.array([[[1, 1, 1, 1, 1, 1], [2, 2, 2, 2, 2, 2], [3, 3, 3, 3, 3, 3]],
...                      [[4, 4, 4, 4, 4, 4], [5, 5, 5, 5, 5, 5], [6, 6, 6, 6, 6, 6]],
...                      [[7, 7, 7, 7, 7, 7], [8, 8, 8, 8, 8, 8], [9, 9, 9, 9, 9, 9]]]), mindspore.float32)
>>> output = op(x)
>>> print(output)
[[[9.]]]
>>> print(output.shape)
(1, 1, 1)
>>> # case 2: Reduces a dimension along axis 0.
>>> output = op(x, 0)
>>> print(output)
[[[7. 7. 7. 7. 7. 7.]
  [8. 8. 8. 8. 8. 8.]
  [9. 9. 9. 9. 9. 9.]]]
>>> # case 3: Reduces a dimension along axis 1.
>>> output = op(x, 1)
>>> print(output)
[[[3. 3. 3. 3. 3. 3.]]
 [[6. 6. 6. 6. 6. 6.]]
 [[9. 9. 9. 9. 9. 9.]]]
>>> # case 4: Reduces a dimension along axis 2.
>>> output = op(x, 2)
>>> print(output)
[[[1.]
  [2.]
  [3.]]
 [[4.]
  [5.]
  [6.]]
 [[7.]
  [8.]
  [9.]]]