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.ReduceMin

class mindspore.ops.ReduceMin(keep_dims=False)

默认情况下，使用指定维度的最小值代替该维度的其他元素，以移除该维度。也可仅缩小该维度大小至1。

通过指定 keep_dims 参数，来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：

• keep_dims (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 。

输入：

• x (Tensor[Number]) - 输入Tensor。

• axis (Union[int, tuple(int), list(int), Tensor]) - 要进行规约计算的维度。默认值： () ，在所有维度上进行规约。只允许常量值。假设 x 的秩为r，取值范围[-r,r)。

输出：

与输入 x 具有相同数据类型的Tensor。

• 如果 axis 为 () ，且 keep_dims 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 keep_dims 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 keep_dims 为 False ，则输出Tensor的shape为 $(x_0,x_3,...,x_R)$ 。

• 如果 axis 为一维Tensor，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 - keep_dims 不是bool类型。

• TypeError - x 不是Tensor。

• TypeError - axis 不是以下数据类型之一：int、Tuple、List或Tensor。

• 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))
>>> op = ops.ReduceMin(keep_dims=True)
>>> output = op(x, 1)
>>> 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 = op(x)
>>> print(output)
[[[1.]]]
>>> print(output.shape)
(1, 1, 1)
>>> # case 2: Reduces a dimension along axis 0.
>>> output = op(x, 0)
>>> 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 = op(x, 1)
>>> 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 = op(x, 2)
>>> print(output)
[[[1.]
[2.]
[3.]]
[[4.]
[5.]
[6.]]
[[7.]
[8.]
[9.]]]