Python tf.compat.v1.reduce_min用法及代码示例

计算张量维度上元素的tf.math.minimum。 (不推荐使用的参数)

用法

tf.compat.v1.reduce_min(
    input_tensor, axis=None, keepdims=None, name=None, reduction_indices=None,
    keep_dims=None
)

警告：不推荐使用某些参数：(keep_dims)。它们将在未来的版本中被删除。更新说明：keep_dims 已弃用，请改用 keepdims

这是按元素tf.math.minimum op 的归约操作。

沿 axis 中给定的尺寸减少 input_tensor 。除非 keepdims 为真，否则对于 axis 中的每个条目，张量的秩都会减少 1，这必须是唯一的。如果 keepdims 为真，则保留缩减后的维度，长度为 1。

如果axis 为None，则所有维度都会减少，并返回具有单个元素的张量。

使用示例：

x = tf.constant([5, 1, 2, 4])
tf.reduce_min(x)
<tf.Tensor:shape=(), dtype=int32, numpy=1>
x = tf.constant([-5, -1, -2, -4])
tf.reduce_min(x)
<tf.Tensor:shape=(), dtype=int32, numpy=-5>
x = tf.constant([4, float('nan')])
tf.reduce_min(x)
<tf.Tensor:shape=(), dtype=float32, numpy=nan>
x = tf.constant([float('nan'), float('nan')])
tf.reduce_min(x)
<tf.Tensor:shape=(), dtype=float32, numpy=nan>
x = tf.constant([float('-inf'), float('inf')])
tf.reduce_min(x)
<tf.Tensor:shape=(), dtype=float32, numpy=-inf>

请参阅 np.amin 和 np.nanmin 行为的 numpy 文档。