Python tf.math.reduce_min用法及代码示例

计算张量维度上元素的tf.math.minimum。

用法

tf.math.reduce_min(
    input_tensor, axis=None, keepdims=False, name=None
)

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。

例如：

a = tf.constant([
  [[1, 2], [3, 4]],
  [[1, 2], [3, 4]]
])
tf.reduce_min(a)
<tf.Tensor:shape=(), dtype=int32, numpy=1>

选择特定轴返回给定轴中的最小元素：

b = tf.constant([[1, 2, 3], [4, 5, 6]])
tf.reduce_min(b, axis=0)
<tf.Tensor:shape=(3,), dtype=int32, numpy=array([1, 2, 3], dtype=int32)>
tf.reduce_min(b, axis=1)
<tf.Tensor:shape=(2,), dtype=int32, numpy=array([1, 4], dtype=int32)>

将 keepdims 设置为 True 会保留 input_tensor 的维度：

tf.reduce_min(a, keepdims=True)
<tf.Tensor:shape=(1, 1, 1), dtype=int32, numpy=array([[[1]]], dtype=int32)>
tf.math.reduce_min(a, axis=0, keepdims=True)
<tf.Tensor:shape=(1, 2, 2), dtype=int32, numpy=
array([[[1, 2],
        [3, 4]]], dtype=int32)>

numpy 兼容性

相当于 np.min