mindspore.mint.unique

mindspore.mint.unique(input, sorted=True, return_inverse=False, return_counts=False, dim=None)

对输入tensor中元素去重。

参数：

• input (Tensor) - 输入tensor。

• sorted (bool，可选) - 是否对返回值进行升序排序。默认 True 。

• return_inverse (bool，可选) - 是否额外返回一个tensor，表示 input 在 output 上对应的index。默认 False 。

• return_counts (bool，可选) - 是否额外返回一个tensor，表示输出 output 中的每个元素在 input 中的数量。默认 False 。

• dim (int，可选) - 指定计算维度。

返回：

一个tensor，或者几个tensor的集合：

• output (Tensor) - input 中去重后的元素。

• inverse_indices (Tensor) - 当 return_inverse=True 时返回，表示 input 中的每个元素在 output 上对应的位置索引。当 dim=None 时，shape和 input 一样；当 dim 有值的时候，shape是input.shape[dim]。

• counts (Tensor) - 当 return_counts=True 时返回，表示 output 中每个元素在 input 中的数量。当 dim=None 时，shape和 output 一样；当 dim 有值的时候，shape是output.shape[dim]。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import numpy as np
>>> x = mindspore.tensor(np.array([1, 2, 5, 2]), mindspore.int32)
>>> output = mindspore.mint.unique(x, return_inverse=True, return_counts=True)
>>> print(output)
(Tensor(shape=[3], dtype=Int32, value= [1, 2, 5]), Tensor(shape=[4], dtype=Int64,
value= [0, 1, 2, 1]), Tensor(shape=[3], dtype=Int64, value= [1, 2, 1]))
>>> y = output[0]
>>> print(y)
[1 2 5]
>>> inverse_indices = output[1]
>>> print(inverse_indices)
[0 1 2 1]
>>> counts = output[2]
>>> print(counts)
[1 2 1]