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]