mindspore.Tensor.min

mindspore.Tensor.min(axis=None, keepdims=False, *, initial=None, where=True, return_indices=False)[源代码]

返回Tensor元素中的最小值或沿 axis 轴方向上的最小值。

说明

  • axis 为 None 时，keepdims 及以后参数均不会生效，同时索引固定返回0。

参数：

  • axis (Union[None, int, list, tuple of ints], 可选) - 轴，在该轴方向上进行操作。默认情况下，使用扁平输入。如果该参数为整数元组，则在多个轴上选择最小值，而不是在单个轴或所有轴上进行选择。默认值： None 。

  • keepdims (bool, 可选) - 如果这个参数为 True ，被删去的维度保留在结果中，且维度设为1。有了这个选项，结果就可以与输入数组进行正确的广播运算。默认值： False 。

关键字参数：

  • initial (scalar, 可选) - 输出元素的最小值。如果对空切片进行计算，则该参数必须设置。默认值： None 。

  • where (Tensor[bool], 可选) - 一个bool类型的Tensor，被广播以匹配数组维度和选择包含在降维中的元素。如果传递了一个非默认值，则必须提供初始值。默认值： True 。

  • return_indices (bool, 可选) - 是否返回最小值的下标。默认值：False 。如果 axis 是 ‘list’ 或 ‘int’ 类型的 ‘tuple’, 则必须取值为 False 。

返回：

Tensor或标量，输入Tensor的最小值。如果 axis 为 None ，则结果是一个标量值。如果提供了 axis ，则结果是Tensor ndim - 1维度的一个数组。

异常：

  • TypeError - 参数的数据类型与上述不一致。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor
>>> a = Tensor(np.arange(4).reshape((2, 2)).astype('float32'))
>>> output = a.min()
>>> print(output)
0.0
>>> output = a.min(axis=0)
>>> print(output)
[0. 1.]
>>> output = a.min(axis=0, initial=9, where=Tensor([False]))
>>> print(output)
[9. 9.]
>>> output = a.min(axis=0, initial=9, where=Tensor([False, True]))
>>> print(output)
[9. 1.]
>>> value, indices = a.min(axis=0, return_indices=True)
>>> print(value)
[0. 1.]
>>> print(indices)
[0 0]