mindspore.ops.min

mindspore.ops.min(x, axis=0, keep_dims=False)[源代码]

在给定轴上计算输入Tensor的最小值。并且返回最小值和索引。

说明

在auto_parallel和semi_auto_parallel模式下，不能使用第一个输出索引。

警告

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”x”的维度长度。

参数：

x (Tensor) - 输入任意维度的Tensor。将输入Tensor的shape设为 \((x_1, x_2, ..., x_N)\) 。不支持复数类型。
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，输出将与输入保持相同的维度；如果为False，输出将减少维度。默认值：False。

返回：

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，其数据类型为int32。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 index 相同，数据类型与 x 相同。

异常：

TypeError - input_x 不是Tensor。
TypeError - keep_dims 不是bool。
TypeError - axis 不是int。

支持平台：

Ascend GPU CPU

样例：

>>> x = Tensor(np.array([0.0, 0.4, 0.6, 0.7, 0.1]), mindspore.float32)
>>> index, output = ops.min(x)
>>> print(index, output)
0 0.0
>>> index, output = ops.min(x, keep_dims=True)
>>> print(index, output)
[0] [0.0]