mindspore.ops.TopK

class mindspore.ops.TopK(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。

警告

  • 如果 sorted 设置为False,它将使用aicpu运算符,性能可能会降低,另外,由于在不同平台上存在内存排布以及遍历方式不同等问题,sorted 设置为False时计算结果的显示顺序可能会出现不一致的情况。

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。values[k]input_xk 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:
  • sorted (bool, 可选) - 如果为True,则获取的元素将按值降序排序。如果为False,则不对获取的元素进行排序。默认值:True。

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

  • k (int) - 指定计算最大元素的数量,必须为常量。

输出:

valuesindices 组成的tuple。

  • 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.TopK(sorted=True)(input_x, k)
>>> 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]))