mindspore.ops.all

mindspore.ops.all(input, axis=None, keep_dims=False)

默认情况下，通过对维度中所有元素进行“逻辑与”来减少 input 的维度。也可以沿轴减少 input 的维度。通过控制 keep_dim 来确定输出和输入的维度是否相同。

参数：

• input (Tensor) - 输入Tensor，shape是 \((N, *)\) ，其中 \(*\) 表示任意数量的附加维度。

• axis (Union[int, tuple(int), list(int)], 可选) - 要减少的维度。假设 input 的秩为r，取值范围[-r,r)。默认值： None ，缩小所有维度。

• keep_dims (bool, 可选) - 如果为 True ，则保留缩小的维度，大小为1。否则移除维度。默认值： False 。

返回：

Tensor，数据类型是bool。

• 如果 axis 为None，且 keep_dims 为 False ，则输出一个零维Tensor，表示输入Tensor中所有元素进行“逻辑与”。

• 如果 axis 为int，例如取值为2，并且 keep_dims 为 False ，则输出的shape为 \((input_1, input_3, ..., input_R)\) 。

• 如果 axis 为tuple(int)或list(int)，例如取值为(2, 3)，并且 keep_dims 为False，则输出Tensor的shape为 \((input_1, input_4, ..., input_R)\) 。

异常：

• TypeError - keep_dims 不是bool类型。

• TypeError - input 不是Tensor。

• TypeError - axis 不是以下数据类型之一：int、tuple或list。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> x = Tensor(np.array([[True, False], [True, True]]))
>>> # case 1: Reduces a dimension by the "logicalAND" of all elements in the dimension.
>>> output = ops.all(x, keep_dims=True)
>>> print(output)
[[False]]
>>> print(output.shape)
(1, 1)
>>> # case 2: Reduces a dimension along axis 0.
>>> output = ops.all(x, axis=0)
>>> print(output)
[ True False]
>>> # case 3: Reduces a dimension along axis 1.
>>> output = ops.all(x, axis=1)
>>> print(output)
[False True]