mindspore.ops.top_k

mindspore.ops.top_k(input_x, k, sorted=True)[源代码]

沿最后一个维度查找 k 个最大元素和对应的索引。

Warning

  • 如果 sorted 设置为’False’，它将使用aicpu运算符，性能可能会降低。

如果 input_x 是一维Tensor，则查找Tensor中 k 个最大元素，并将其值和索引输出为Tensor。因此， values[k] 是 input_x 中 k 个最大元素，其索引是 indices[k] 。

对于多维矩阵，计算每行中最大的 k 个元素（沿最后一个维度的相应向量），因此：

\[values.shape = indices.shape = input.shape[:-1] + [k].\]

如果两个比较的元素相同，则优先返回索引值较小的元素。

参数：

  • input_x (Tensor) - 需计算的输入，数据类型必须为float16、float32或int32。

  • k (int) - 指定计算最大元素的数量，需要是常量。

  • sorted (bool, optional) - 如果为True，则获取的元素将按值降序排序。默认值：True。

返回：

2个Tensor组成的tuple， values 和 indices 。

  • values (Tensor) - 最后一个维度的每个切片中的 k 最大元素。

  • indices (Tensor) - k 最大元素的对应索引。

异常：

  • TypeError - 如果 sorted 不是bool。

  • TypeError - 如果 input_x 不是Tensor。

  • TypeError - 如果 k 不是int。

  • TypeError - 如果 input_x 的数据类型不是以下之一：float16、float32或int32。

支持平台：

Ascend GPU CPU

样例：

>>> from mindspore import Tensor
>>> from mindspore import ops
>>> import mindspore
>>> input_x = Tensor([1, 2, 3, 4, 5], mindspore.float16)
>>> k = 3
>>> values, indices = ops.top_k(input_x, k, sorted=True)
>>> print((values, indices))
(Tensor(shape=[3], dtype=Float16, value= [ 5.0000e+00,  4.0000e+00,  3.0000e+00]), Tensor(shape=[3],
  dtype=Int32, value= [4, 3, 2]))