torch.min

torch.min(input, *, out=None) → Tensor

返回 input 张量中所有元素的最小值。

注意

max/min 和 amax/amin 之间的区别在于

• amax/amin 支持在多个维度上进行归约，

• amax/amin 不返回索引。

当有多个输入元素具有相同的最小或最大值时，amax/amin 会在这些值之间均匀分配梯度。

对于 max/min

• 如果对所有维度进行归约（未指定 dim），则梯度会在相等的 max/min 值之间均匀分配。

• 如果在一指定的轴上进行归约，则只传播到索引的元素。

参数

input (Tensor) – 输入张量。

关键字参数

out (Tensor, optional) – 输出张量。

示例

>>> a = torch.randn(1, 3)
>>> a
tensor([[ 0.6750,  1.0857,  1.7197]])
>>> torch.min(a)
tensor(0.6750)

torch.min(input, dim, keepdim=False, *, out=None)

返回一个命名元组 (values, indices)，其中 values 是 input 张量在给定维度 dim 上每行的最小值。 indices 是找到的每个最小值的索引位置 (argmin)。

如果 keepdim 为 True，则输出张量的大小与 input 相同，但 dim 维度的大小为 1。否则，dim 将被挤压（参见 torch.squeeze()），导致输出张量的维度比 input 少 1。

注意

如果在归约的行中有多个最小值，则返回第一个最小值的索引。

参数

• input (Tensor) – 输入张量。

• dim (int, optional) – 要归约的维度。如果省略，则归约所有维度。显式的 None 不受支持。

• keepdim (bool, optional) – 输出张量是否保留 dim。默认为 False。

关键字参数

out (tuple, optional) – 包含两个输出张量的元组（min, min_indices）

示例

>>> a = torch.randn(4, 4)
>>> a
tensor([[-0.6248,  1.1334, -1.1899, -0.2803],
        [-1.4644, -0.2635, -0.3651,  0.6134],
        [ 0.2457,  0.0384,  1.0128,  0.7015],
        [-0.1153,  2.9849,  2.1458,  0.5788]])
>>> torch.min(a, 1)
torch.return_types.min(values=tensor([-1.1899, -1.4644,  0.0384, -0.1153]), indices=tensor([2, 0, 1, 0]))

torch.min(input, other, *, out=None) → Tensor

参见 torch.minimum()。