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