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 axis 为
None
,且 keepdims 为False
,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 keepdims 为
False
,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 keepdims 为
False
,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_dims 为
False
,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.]]]