mindspore.ops.ArgMaxWithValue

class mindspore.ops.ArgMaxWithValue(axis=0, keep_dims=False)

在给定轴上计算输入Tensor的最大值，并且返回最大值和索引。

说明

在auto_parallel和semi_auto_parallel模式下，不能使用第一个输出索引。

警告

• 如果有多个最大值，则取第一个最大值的索引。

• axis 的取值范围为[-dims, dims - 1]。”dims”为 input 的维度长度。

参考： mindspore.ops.max() 。

参数：

• axis (int) - 指定计算维度。默认值： 0 。

• keep_dims (bool) - 表示是否减少维度，如果为 True ，输出将与输入保持相同的维度；如果为 False ，输出将减少维度。默认值： False 。

输入：

• input (Tensor) - 输入任意维度的Tensor。将输入Tensor的shape设为 \((input_1, input_2, ..., input_N)\) 。

输出：

tuple (Tensor)，表示2个Tensor组成的tuple，包含对应的索引和输入Tensor的最大值。

• index (Tensor) - 输入Tensor最大值的索引，数据类型为int64。如果 keep_dims 为 True ，则输出Tensor的shape为 \((input_1, input_2, ..., input_{axis-1}, 1, input_{axis+1}, ..., input_N)\) 。否则，shape为 \((input_1, input_2, ..., input_{axis-1}, input_{axis+1}, ..., input_N)\) 。

• values (Tensor) - 输入Tensor的最大值，其shape与 index 相同，数据类型与 input 相同。

异常：

• TypeError - keep_dims 不是bool。

• TypeError - axis 不是int。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> input_x = Tensor(np.array([0.0, 0.4, 0.6, 0.7, 0.1]), mindspore.float32)
>>> index, output = ops.ArgMaxWithValue()(input_x)
>>> print(index, output)
3 0.7
>>> index, output = ops.ArgMaxWithValue(keep_dims=True)(input_x)
>>> print(index, output)
[3] [0.7]