mindspore.ops.count_nonzero

mindspore.ops.count_nonzero(x, axis=(), keep_dims=False, dtype=mstype.int32)[源代码]

计算输入Tensor指定轴上的非零元素的数量。

参数：

x (Tensor) - 输入数据用于统计非零元素。 \((N,*)\) ，其中 \(*\) 表示任意数量的附加维度。
axis (Union[int, tuple(int), list(int)]) - 指定计算的维度。只允许为常量。默认值：()，在所有维度进行计算。
keep_dims (bool) - 如果为True，则保留计算的维度，且长度为1。如果为False，则不要保留这些维度。默认值：False。
dtype (Union[Number, mindspore.bool_]) - 输出Tensor的数据类型。只允许为常量。默认值：mindspore.int32。

返回：

Tensor，非零元素的数量。数据类型由 dtype 所指定。

异常：

TypeError - axis 不是int、tuple或者list。
ValueError - axis 不在[-x.ndim, x.ndim)范围内。

支持平台：

Ascend GPU CPU

样例：

>>> from mindspore import Tensor, ops
>>> import numpy as np
>>> # case 1: each value specified.
>>> x = Tensor(np.array([[0, 1, 0], [1, 1, 0]]).astype(np.float32))
>>> nonzero_num = ops.count_nonzero(x=x, axis=[0, 1], keep_dims=True, dtype=mindspore.int32)
>>> print(nonzero_num)
[[3]]
>>> # case 2: all value is default.
>>> nonzero_num = ops.count_nonzero(x=x)
>>> print(nonzero_num)
3
>>> # case 3: axis value was specified 0.
>>> nonzero_num = ops.count_nonzero(x=x, axis=[0,])
>>> print(nonzero_num)
[1 2 0]
>>> # case 4: axis value was specified 1.
>>> nonzero_num = ops.count_nonzero(x=x, axis=[1,])
>>> print(nonzero_num)
[1 2]
>>> # case 5: keep_dims value was specified.
>>> nonzero_num = ops.count_nonzero(x=x,  keep_dims=True)
>>> print(nonzero_num)
[[3]]
>>> # case 6: keep_dims and axis value was specified.
>>> nonzero_num = ops.count_nonzero(x=x, axis=[0,], keep_dims=True)
>>> print(nonzero_num)
[[1 2 0]]