cummin

paddle. cummin ( x, axis=None, dtype='int64', name=None ) [源代码]

沿给定 axis 计算 Tensor x 的累积最大值。

注解

结果的第一个元素和输入的第一个元素相同。

参数

  • x (Tensor) - 需要进行累积最小值操作的 Tensor。

  • axis (int，可选) - 指明需要累积最小值的维度。-1 代表最后一维。默认：None，将输入展开为一维变量再进行累积最小值计算。

  • dtype (str，可选) - 输出 Indices 的数据类型，可以是 int32、int64，默认值为 int64。

  • name (str，可选) - 具体用法请参见 Name ，一般无需设置，默认值为 None。

返回

  • out (Tensor)：返回累积最小值操作的结果，累积最小值结果类型和输入 x 相同。

  • indices (Tensor)：返回对应累积最小值操作的的索引结果。

代码示例

>>> import paddle
>>> data = paddle.to_tensor([-1, 5, 0, -2, -3, 2])
>>> data = paddle.reshape(data, (2, 3))

>>> value, indices = paddle.cummin(data)
>>> value
Tensor(shape=[6], dtype=int64, place=Place(cpu), stop_gradient=True,
[-1, -1, -1, -2, -3, -3])
>>> indices
Tensor(shape=[6], dtype=int64, place=Place(cpu), stop_gradient=True,
[0, 0, 0, 3, 4, 4])

>>> value, indices = paddle.cummin(data, axis=0)
>>> value
Tensor(shape=[2, 3], dtype=int64, place=Place(cpu), stop_gradient=True,
[[-1,  5,  0],
 [-2, -3,  0]])
>>> indices
Tensor(shape=[2, 3], dtype=int64, place=Place(cpu), stop_gradient=True,
[[0, 0, 0],
 [1, 1, 0]])

>>> value, indices = paddle.cummin(data, axis=-1)
>>> value
Tensor(shape=[2, 3], dtype=int64, place=Place(cpu), stop_gradient=True,
[[-1, -1, -1],
 [-2, -3, -3]])
>>> indices
Tensor(shape=[2, 3], dtype=int64, place=Place(cpu), stop_gradient=True,
[[0, 0, 0],
 [0, 1, 1]])

>>> value, indices = paddle.cummin(data, dtype='int64')
>>> assert indices.dtype == paddle.int64