mindspore.mint.sort

查看源文件
mindspore.mint.sort(input, *, dim=- 1, descending=False, stable=False)[源代码]

按指定顺序对输入Tensor的指定维上的元素进行排序。

警告

目前能良好支持的数据类型有:float16、uint8、int8、int16、int32、int64。如果使用float32,可能产生精度误差。

参数:
  • input (Tensor) - 进行排序的Tensor,shape为 \((N,*)\) ,其中 \(*\) 表示任意数量的的额外维度。

关键字参数:
  • dim (int,可选) - 指定排序的轴。默认值: -1 ,表示指定最后一维。

  • descending (bool,可选) - 按降序还是升序。如果为 True ,则元素按降序排列,否则按升序排列。默认值: False

  • stable (bool,可选) - 按稳定排序还是非稳定排序。如果为 True ,则是稳定排序,否则为非稳定排序。默认值: False

返回:
  • y1 (Tensor) - 排序后的值,其shape和数据类型与输入一致。

  • y2 (Tensor) - 返回值在原输入Tensor里对应的索引,数据类型为int64。

异常:
  • TypeError - dim 不是int类型。

  • TypeError - descending 不是bool类型。

  • TypeError - input 不是float16、float32、uint8、int8、int16、int32、int64或bfloat16。

  • TypeError - stable 不是bool类型。

  • ValueError - dim 不在[-len(input.shape), len(input.shape))范围内。

支持平台:

Ascend

样例:

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, mint
>>> x = Tensor(np.array([[8, 2, 1], [5, 9, 3], [4, 6, 7]]), mindspore.float16)
>>> output = mint.sort(x)
>>> # The output below is based on the Ascend platform.
>>> print(output)
(Tensor(shape=[3, 3], dtype=Float16, value=
[[ 1.0000e+00,  2.0000e+00,  8.0000e+00],
[ 3.0000e+00,  5.0000e+00,  9.0000e+00],
[ 4.0000e+00,  6.0000e+00,  7.0000e+00]]), Tensor(shape=[3, 3], dtype=Int64, value=
[[2, 1, 0],
[2, 0, 1],
[0, 1, 2]]))