mindspore.ops.amin

mindspore.ops.amin(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 中的最小值。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中所有元素的最小值。
如果 axis 为int，取值为1，并且 keepdims 为 False ，则输出的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.amin(x, 1, keepdims=True)
>>> result = output.shape
>>> print(result)
(3, 1, 5, 6)
>>> # case 1: Reduces a dimension by the minimum 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.amin(x)
>>> print(output)
1.0
>>> print(output.shape)
()
>>> # case 2: Reduces a dimension along axis 0.
>>> output = ops.amin(x, 0, True)
>>> print(output)
[[[1. 1. 1. 1. 1. 1.]
  [2. 2. 2. 2. 2. 2.]
  [3. 3. 3. 3. 3. 3.]]]
>>> # case 3: Reduces a dimension along axis 1.
>>> output = ops.amin(x, 1, True)
>>> print(output)
[[[1. 1. 1. 1. 1. 1.]]
 [[4. 4. 4. 4. 4. 4.]]
 [[7. 7. 7. 7. 7. 7.]]]
>>> # case 4: Reduces a dimension along axis 2.
>>> output = ops.amin(x, 2, True)
>>> print(output)
[[[1.]
  [2.]
  [3.]]
 [[4.]
  [5.]
  [6.]]
 [[7.]
  [8.]
  [9.]]]