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.Tensor.topk

mindspore.Tensor.topk(k, dim=- 1, largest=True, sorted=True)

沿给定维度查找 k 个最大或最小元素和对应的索引。

警告

• 如果 sorted 设置为False，由于不同平台上的内存布局和遍历方法不同：当 sorted 为False时，计算结果的显示顺序可能不一致。

如果 self 是一维Tensor，则查找Tensor中 k 个最大或最小元素，并且将其值和索引输出为Tensor。 values[k] 是 self 中 k 个最大元素，同时其索引值为 indices[k] 。

对于多维矩阵，计算给定维度中最大或最小的 k 个元素，因此：

$$values.shape=indices.shape$$

如果两个比较的元素相同，则优先返回索引值较小的元素。

参数：

• k (int) - 指定计算最大或最小元素的数量，必须为常量。

• dim (int, 可选) - 需要排序的维度。 默认值: -1 。

• largest (bool, 可选) - 如果设置为 False ，则会返回 k 个最小元素。默认值： True 。

• sorted (bool, 可选) - 如果设置为 True ，则获取的元素将按值降序排序，如果设置为 False，则不对获取的元素进行排序，默认值：True 。

返回：

由 values 和 indices 组成的tuple。 - values (Tensor) - 给定维度的每个切片中的 k 最大元素或最小元素。 - indices (Tensor) - k 最大元素的对应索引。

异常：

• TypeError - 如果 sorted 不是bool。

• TypeError - 如果 k 不是int。

支持平台：

Ascend

样例：

>>> import mindspore as ms
>>> from mindspore import Tensor
>>> x = ms.Tensor([[0.5368, 0.2447, 0.4302, 0.9673],
...                [0.4388, 0.6525, 0.4685, 0.1868],
...                [0.3563, 0.5152, 0.9675, 0.8230]], dtype=ms.float32)
>>> output = Tensor.topk(x, 2, dim=1)
>>> print(output)
(Tensor(shape=[3, 2], dtype=Float32, value=
[[ 9.67299998e-01,  5.36800027e-01],
 [ 6.52499974e-01,  4.68499988e-01],
 [ 9.67499971e-01,  8.23000014e-01]]), Tensor(shape=[3, 2], dtype=Int32, value=
[[3, 0],
 [1, 2],
 [2, 3]]))
>>> output2 = Tensor.topk(x, 2, dim=1, largest=False)
>>> print(output2)
(Tensor(shape=[3, 2], dtype=Float32, value=
[[ 2.44700000e-01,  4.30200011e-01],
 [ 1.86800003e-01,  4.38800007e-01],
 [ 3.56299996e-01,  5.15200019e-01]]), Tensor(shape=[3, 2], dtype=Int32, value=
[[1, 2],
 [3, 0],
 [0, 1]]))

mindspore.Tensor.topk(k, dim=None, largest=True, sorted=True)

详情请参考 mindspore.ops.topk() 。