mindspore.ops.amax

mindspore.ops.amax(input, axis=None, keepdims=False, *, initial=None, where=None)[源代码]

默认情况下,移除输入所有维度,返回 input 中的最大值。也可仅缩小指定维度 axis 大小至1。 keepdims 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:
  • input (Tensor[Number]) - 输入Tensor,其数据类型为数值型。shape: \((N, *)\) ,其中 \(*\) 表示任意数量的附加维度。

  • axis (Union[int, tuple(int), list(int), Tensor]) - 要减少的维度。默认值: None ,缩小所有维度。只允许常量值。假设 input 的秩为r,取值范围[-r,r)。

  • keepdims (bool) - 如果为 True ,则保留缩小的维度,大小为1。否则移除维度。默认值: False

关键字参数:
  • initial (scalar, 可选) - 输出元素的最大值。如果 input 为空,则该参数必须设置。默认值: None

  • where (Tensor[bool], 可选) - 表示是否需要将 input 中的原始值替换为 initial 值的Tensor。若为True则不替换,若为 False 则替换。 where 中为 False 的位置,必须提供对应的 initial 值。默认值: None ,表示 True

返回:

Tensor。

  • 如果 axisNone ,且 keepdimsFalse ,则输出一个零维Tensor,表示输入Tensor中所有元素的最大值。

  • 如果 axis 为int,取值为1,并且 keepdimsFalse ,则输出Tensor的shape为 \((x_0, x_2, ..., x_R)\)

  • 如果 axis 为tuple(int)或list(int),取值为(1, 2),并且 keepdimsFalse ,则输出Tensor的shape为 \((x_0, x_3, ..., x_R)\)

  • 如果 axis 为一维Tensor,例如取值为[1, 2],并且 keep_dimsFalse ,则输出Tensor的shape为 \((x_0, x_3, ..., x_R)\)

异常:
  • TypeError - input 不是Tensor。

  • TypeError - axis 不是以下数据类型之一:int、tuple、list或Tensor。

  • TypeError - keepdims 不是bool类型。

  • ValueError - axis 超出范围。

支持平台:

Ascend GPU CPU

样例:

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> x = Tensor(np.random.randn(3, 4, 5, 6).astype(np.float32))
>>> output = ops.amax(x, 1, keepdims=True)
>>> result = output.shape
>>> print(result)
(3, 1, 5, 6)
>>> # case 1: Reduces a dimension by the maximum value of all elements in the dimension.
>>> x = Tensor(np.array([[[1, 1, 1, 1, 1, 1], [2, 2, 2, 2, 2, 2], [3, 3, 3, 3, 3, 3]],
...                      [[4, 4, 4, 4, 4, 4], [5, 5, 5, 5, 5, 5], [6, 6, 6, 6, 6, 6]],
...                      [[7, 7, 7, 7, 7, 7], [8, 8, 8, 8, 8, 8], [9, 9, 9, 9, 9, 9]]]), mindspore.float32)
>>> output = ops.amax(x)
>>> print(output)
9.0
>>> print(output.shape)
()
>>> # case 2: Reduces a dimension along axis 0.
>>> output = ops.amax(x, 0, True)
>>> print(output)
[[[7. 7. 7. 7. 7. 7.]
  [8. 8. 8. 8. 8. 8.]
  [9. 9. 9. 9. 9. 9.]]]
>>> # case 3: Reduces a dimension along axis 1.
>>> output = ops.amax(x, 1, True)
>>> print(output)
[[[3. 3. 3. 3. 3. 3.]]
 [[6. 6. 6. 6. 6. 6.]]
 [[9. 9. 9. 9. 9. 9.]]]
>>> # case 4: Reduces a dimension along axis 2.
>>> output = ops.amax(x, 2, True)
>>> print(output)
[[[1.]
  [2.]
  [3.]]
 [[4.]
  [5.]
  [6.]]
 [[7.]
  [8.]
  [9.]]]