mindspore.ops.maximum

查看源文件
mindspore.ops.maximum(input, other)[源代码]

逐元素计算两个输入Tensor中的最大值。

说明

  • 输入 input 和 other 遵循隐式类型转换规则，使数据类型保持一致。

  • 输入必须是两个Tensor，或一个Tensor和一个Scalar。

  • 当输入是两个Tensor时，它们的数据类型不能同时是bool，并保证其shape可以广播。

  • 当输入是一个Tensor和一个Scalar时，Scalar只能是一个常数。

  • 支持广播。

  • 如果一个元素和NaN比较，则返回该元素。

\[output_i = \max(input_i, other_i)\]
参数：

  • input (Union[Tensor, Number, bool]) - 第一个输入可以是Number或bool，也可以是数据类型为Number或bool的Tensor。

  • other (Union[Tensor, Number, bool]) - 第二个输入是Number，当第一个输入是Tensor时，也可以是bool，或数据类型为Number或bool的Tensor。

返回：

Tensor的shape与广播后的shape相同，数据类型为两个输入中精度较高或数字较多的类型。

异常：

  • TypeError - input 和 other 不是以下之一：Tensor、Number、bool。

  • ValueError - input 和 other 的shape不相同。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> # case 1 : same data type
>>> x = Tensor(np.array([1.0, 5.0, 3.0]), mindspore.float32)
>>> y = Tensor(np.array([4.0, 2.0, 6.0]), mindspore.float32)
>>> output = ops.maximum(x, y)
>>> print(output)
[4. 5. 6.]
>>> # case 2 : different data type
>>> x = Tensor(np.array([1.0, 5.0, 3.0]), mindspore.int32)
>>> y = Tensor(np.array([4.0, 2.0, 6.0]), mindspore.float32)
>>> output = ops.maximum(x, y)
>>> print(output.dtype)
Float32