mindspore.ops.ReduceAll

class mindspore.ops.ReduceAll(keep_dims=False)[源代码]

默认情况下，通过对指定维度所有元素进行逻辑与运算以移除该维度。也可仅缩小该维度大小至1。 keep_dims 控制输出和输入的维度是否相同。

说明

Tensor类型的 axis 仅用作兼容旧版本，不推荐使用。

参数：

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

输入：

x (Tensor[bool]) - bool类型的输入Tensor。
axis (Union[int, tuple(int), list(int), Tensor]) - 要规约计算的维度。默认值: () ，在所有维度上规约。只允许常量值。取值必须在[-rank(x), rank(x))范围内。

输出：

bool类型的Tensor。

如果 axis 为 () ，且 keep_dims 为 False ，则输出一个零维Tensor，表示输入Tensor中所有元素的逻辑与运算结果。
如果 axis 为int，值为2，并且 keep_dims 为 False ，则输出的shape为： \((x_1, x_3, ..., x_R)\) 。
如果 axis 为tuple(int)，值为(2, 3)，并且 keep_dims 为 False ，则输出的shape为 \((x_1, x_4, ..., x_R)\) 。
如果 axis 为一维Tensor，值为[2, 3]，并且 keep_dims 为 False ，则输出的shape为 \((x_1, x_4, ..., x_R)\) 。

异常：

TypeError - keep_dims 不是bool类型。
TypeError - x 不是Tensor。
TypeError - axis 不是以下数据类型之一：int、Tuple、List或Tensor。

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]]))
>>> op = ops.ReduceAll(keep_dims=True)
>>> # case 1: Reduces a dimension by the "logicalAND" of all elements in the dimension.
>>> output = op(x)
>>> print(output)
[[False]]
>>> print(output.shape)
(1, 1)
>>> # case 2: Reduces a dimension along axis 0.
>>> output = op(x, 0)
>>> print(output)
[[ True False]]
>>> # case 3: Reduces a dimension along axis 1.
>>> output = op(x, 1)
>>> print(output)
[[False]
[ True]]
>>> # case 4: input is a scalar.
>>> x = Tensor(True)
>>> op = ops.ReduceAll()
>>> output = op(x)
>>> print(output)
True