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。如果没有指定维度，则计算Tensor中所有非零元素的数量。

参数：

x (Tensor) - 要计算非零元素个数的输入。shape为 \((N, *)\) ，其中 \(*\) 为任意数量的额外维度。
axis (Union[int, tuple(int), list(int)]，可选) - 要沿其计算非零值数量的维度。默认值： () ，计算所有非零元素的个数。
keep_dims (bool, 可选) - 是否保留 axis 指定的维度。如果为 True ，保留对应维度size为1，如果为 False ，不保留对应维度。默认值： False 。
dtype (Union[Number, mindspore.bool_]，可选) - 输出Tensor的数据类型。默认值： mstype.int32 。

返回：

Tensor， axis 指定的轴上非零元素数量。数据类型由 dtype 指定。

异常：

TypeError - axis 不是int、tuple或者list。
ValueError - 如果 aixs 中的任何值不在 [-x_dims, x_dims) 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]]