mindspore.ops.min
- mindspore.ops.min(input, axis=None, keepdims=False, *, initial=None, where=None)[源代码]
在给定轴上计算输入Tensor的最小值。并且返回最小值和索引。
说明
在auto_parallel和semi_auto_parallel模式下,不能使用第一个输出索引。
axis 为
None
时,keepdims 及以后参数均不会生效,同时索引固定返回0。
警告
如果有多个最小值,则取第一个最小值的索引。
- 参数:
input (Tensor) - 输入任意维度的Tensor。不支持complex类型。
axis (int) - 指定计算维度。默认值:
None
。keepdims (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
。
- 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
,表示默认为True
。
- 返回:
tuple (Tensor),表示2个Tensor组成的tuple,包含对应的索引和输入Tensor的最小值。
output_x (Tensor) - 输入Tensor的最小值,其shape与 index 相同,数据类型与 input 相同。
index (Tensor) - 输入Tensor最小值的索引,其数据类型为int64。如果 keepdims 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 \((input_1, input_2, ..., input_{axis-1}, input_{axis+1}, ..., input_N)\) 。
- 异常:
TypeError - input 不是Tensor。
TypeError - keepdims 不是bool。
TypeError - axis 不是int。
TypeError - initial 不是scalar。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import mindspore >>> import numpy as np >>> from mindspore import Tensor, ops >>> x = Tensor(np.array([0.0, 0.4, 0.6, 0.7, 0.1]), mindspore.float32) >>> output, index = ops.min(x, keepdims=True) >>> print(output, index) 0.0 0