mindspore.mint.unique
- mindspore.mint.unique(input, sorted=True, return_inverse=False, return_counts=False, dim=None)[源代码]
对输入Tensor中元素去重。
在 return_inverse=True 时,会返回一个索引Tensor,包含输入Tensor中的元素在输出Tensor中的索引; 在 return_counts=True 时,会返回一个Tensor,表示输出元素在输入中的个数。
- 参数:
input (Tensor) - 输入Tensor。
sorted (bool) - 输出是否需要进行升序排序。默认值:
True
。return_inverse (bool) - 是否输出 input 在 output 上对应的index。默认值:
False
。return_counts (bool) - 是否输出 output 中元素的数量。默认值:
False
。dim (int) - 做去重操作的维度,当设置为
None
的时候,对展开的输入做去重操作, 否则,将给定维度的Tensor视为一个元素去做去重操作。默认值:None
。
- 返回:
输出为一个Tensor,或者以下一个或几个Tensor的集合:(output,inverse_indeices,counts)
output (Tensor) - 与 input 数据类型相同的Tensor,包含 input 中去重后的元素。
inverse_indeices (Tensor) - 当 return_inverse=True 时返回,表示输入Tensor中的元素在输出Tensor中的索引。当 dim=None 时,shape和 input 一样;当 dim 有值的时候,shape是input.shape[dim]。
counts (Tensor) - 当 return_counts=True 时返回,表示输出Tensor中元素在输入Tensor中的数量。当 dim=None 时,shape和 output 一样;当 dim 有值的时候,shape是output.shape[dim]。
- 异常:
TypeError - input 不是Tensor。
- 支持平台:
Ascend
样例:
>>> import mindspore >>> import numpy as np >>> from mindspore import Tensor, mint >>> from mindspore import mint >>> x = Tensor(np.array([1, 2, 5, 2]), mindspore.int32) >>> output = mint.unique(x, return_inverse=True) >>> print(output) (Tensor(shape=[3], dtype=Int32, value= [1, 2, 5]), Tensor(shape=[4], dtype=Int64, value= [0, 1, 2, 1])) >>> y = output[0] >>> print(y) [1 2 5] >>> idx = output[1] >>> print(idx) [0 1 2 1]