mindspore.ops.ReduceAny

查看源文件
class mindspore.ops.ReduceAny(keep_dims=False)[源代码]

默认情况下,通过对指定维度所有元素进行逻辑或运算来移除该维度。也可仅缩小该维度大小至1。 keep_dims 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[bool]) - bool类型的输入Tensor。

  • axis (Union[int, tuple(int), list(int), Tensor]) - 要规约计算的维度。默认值: () ,在所有维度上规约。只允许常量值。取值必须在[-rank(x), rank(x))范围内。

输出:

bool类型的Tensor。

  • 如果 axis() ,且 keep_dimsFalse , 则输出一个零维Tensor,表示输入Tensor中所有元素的逻辑或运算结果。

  • 如果 axis 为int,值为2,并且 keep_dimsFalse , 则输出Tensor的shape为: \((x_1, x_3, ..., x_R)\)

  • 如果 axis 为tuple(int),值为(2, 3),并且 keep_dimsFalse , 则输出Tensor的shape为: \((x_1, x_4, ..., x_R)\)

  • 如果 axis 为一维Tensor,值为[2, 3],并且 keep_dimsFalse , 则输出Tensor的shape为: \((x_1, x_4, ..., x_R)\)

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。

支持平台:

Ascend GPU CPU

样例:

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> x = Tensor(np.array([[True, False], [True, True]]))
>>> op = ops.ReduceAny(keep_dims=True)
>>> # case 1: Reduces a dimension by the "logical OR" of all elements in the dimension.
>>> output = op(x)
>>> print(output)
[[ True]]
>>> print(output.shape)
(1, 1)
>>> # case 2: Reduces a dimension along axis 0.
>>> output = op(x, 0)
>>> print(output)
[[ True True]]
>>> # case 3: Reduces a dimension along axis 1.
>>> output = op(x, 1)
>>> print(output)
[[True]
[ True]]
>>> # case 4: input is a scalar.
>>> x = Tensor(True)
>>> op = ops.ReduceAny()
>>> output = op(x)
>>> print(output)
True