mindspore.ops.unique_consecutive

mindspore.ops.unique_consecutive(x, return_idx=False, return_counts=False, axis=None)[源代码]

对输入张量中连续且重复的元素去重。

参数:

  • x (Tensor) - 输入Tensor。

  • return_idx (bool, optional) - 是否返回每个去重元素在输入中所在的连续序列的末尾位置的索引。默认值:False。

  • return_counts (bool, optional) - 是否返回每个去重元素在输入所在的连续序列的计数。默认值:False。

  • axis (int, optional) - 维度。如果为None,则对输入进行展平操作。如果指定,必须是int32或int64类型。默认值:None。

返回:

Tensor或包含Tensor对象的元组( outputidxcounts )。

  • output 为去重后的输出,与 x 具有相同的数据类型。

  • 如果 return_idx 为 True,则返回张量 idx ,shape与 x 相同,表示每个去重元素在输入中所在的连续序列的末尾位置的索引。

  • 如果 return_counts 为 True,则返回张量 counts ,表示每个去重元素在输入中所在的连续序列的计数。

异常:

  • TypeError - x 不是Tensor。

  • RuntimeErroraxis 不在 [-ndim, ndim-1] 范围内。

支持平台:

Ascend GPU

样例:

>>> import numpy as np
>>> from mindspore import ops
>>> from mindspore import Tensor
>>> from mindspore import dtype as mstype
>>> x = Tensor(np.array([1, 1, 2, 2, 3, 1, 1, 2]), mstype.int32)
>>> output, idx, counts = ops.unique_consecutive(x, True, True, None)
>>> print(output)
[1 2 3 1 2]
>>> print(idx)
[0 0 1 1 2 3 3 4]
>>> print(counts)
[2 2 1 2 1]