文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.aminmax

mindspore.ops.aminmax(input, *, axis=0, keepdims=False)

返回输入Tensor在指定轴上的最小值和最大值。

参数：

• input (Tensor) - 输入Tensor，可以是任意维度。设输入Tensor的shape为 $(x_1,x_2,...,x_N)$ 。

关键字参数：

• axis (int，可选) - 要进行规约计算的维度。 axis 必须在[-rank, rank)范围内，其中 “rank” 是 input 的维度。如果 axis 是None，则计算整个输入Tensor的最大值和最小值。默认值： 0 。

• keepdims (bool，可选) - 是否保留维度。如果为 True ，则输出shape与输入shape一致，否则移除规约计算的维度 axis 。默认值： False 。

返回：

tuple (Tensor)，包含输入Tensor在指定轴上的最小值和最大值。

• keepdims 为 True ，输出shape为： $(x_1,x_2,...,x_{axis-1},1,x_{axis+1},...,x_N)$ 。

• keepdims 为 False ，输出shape为： $(x_1,x_2,...,x_{axis-1},x_{axis+1},...,x_N)$ 。

异常：

• TypeError - keepdims 不是bool类型。

• TypeError - axis 不是int类型也不是None。

• ValueError - axis 不在[-rank, rank)范围内。

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)
>>> output0, output1 = ops.aminmax(x)
>>> print(output0, output1)
0.0 0.7
>>> output2, output3 = ops.aminmax(x, axis=-1, keepdims=True)
>>> print(output2, output3)
[0.] [0.7]
>>> x = Tensor(np.array([[0.0, 0.4, 0.6, 0.7, 0.1], [0.78, 0.97, 0.5, 0.82, 0.99]]), mindspore.float32)
>>> output4, output5 = ops.aminmax(x, axis=None, keepdims=True)
>>> print(output4, output5)
[[0.]] [[0.99]]