mindspore.ops.aminmax

mindspore.ops.aminmax(input, *, axis=0, keepdims=False)

返回输入Tensor在指定轴上的最小值和最大值。

参数：

• input (Tensor) - 输入Tensor，可以是任意维度。设输入Tensor的shape为 \((x_1, x_2, ..., x_N)\) 。

关键字参数：

• axis (int，可选) - 要进行规约计算的维度。 axis 必须在[-rank, rank)范围内，其中 “rank” 是 input 的维度。如果 axis 是None，则计算整个输入Tensor的最大值和最小值。默认值： 0 。

• keepdims (bool，可选) - 是否保留维度。如果为 True ，则输出shape与输入shape一致，否则移除规约计算的维度 axis 。默认值： False 。

返回：

tuple (Tensor)，包含输入Tensor在指定轴上的最小值和最大值。

• keepdims 为 True ，输出shape为： \((x_1, x_2, ..., x_{axis-1}, 1, x_{axis+1}, ..., x_N)\) 。

• keepdims 为 False ，输出shape为： \((x_1, x_2, ..., x_{axis-1}, x_{axis+1}, ..., x_N)\) 。

异常：

• TypeError - keepdims 不是bool类型。

• TypeError - axis 不是int类型也不是None。

• ValueError - axis 不在[-rank, rank)范围内。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> x = Tensor(np.array([0.0, 0.4, 0.6, 0.7, 0.1]), mindspore.float32)
>>> output0, output1 = ops.aminmax(x)
>>> print(output0, output1)
0.0 0.7
>>> output2, output3 = ops.aminmax(x, axis=-1, keepdims=True)
>>> print(output2, output3)
[0.] [0.7]
>>> x = Tensor(np.array([[0.0, 0.4, 0.6, 0.7, 0.1], [0.78, 0.97, 0.5, 0.82, 0.99]]), mindspore.float32)
>>> output4, output5 = ops.aminmax(x, axis=None, keepdims=True)
>>> print(output4, output5)
[[0.]] [[0.99]]