torch.aminmax

torch.aminmax(input, *, dim=None, keepdim=False, out=None) -> (Tensor min, Tensor max)

Вычисляет минимальное и максимальное значения тензора input.

Параметры:

input (Тензор) – Входной тензор

Именованные аргументы:

• dim (Optional[int]) – Размерность, вдоль которой вычисляются значения. Если None, значения вычисляются по всему тензору input. Значение по умолчанию — None.
• keepdim (bool) – Если True, сокращённые размерности сохраняются в выходном тензоре как размерности с размером 1 для широковещательного распространения, в противном случае они удаляются, как при вызове (torch.squeeze()). Значение по умолчанию — False.
• out (Optional[Tuple[Тензор, Тензор]]) – Необязательные тензоры, в которые записывается результат. Их форма и тип данных должны совпадать с ожидаемыми для выходных данных. Значение по умолчанию — None.

Возвращает:

Именованный кортеж (min, max), содержащий минимальное и максимальное значения.

Вызывает исключение:

RuntimeError – Если размерность, по которой вычисляются значения, имеет размер 0.

Примечание

Если хотя бы одно значение равно NaN, значения NaN передаются в выходные данные.

См. также

torch.amin() вычисляет только минимальное значение torch.amax() вычисляет только максимальное значение

Пример:

>>> torch.aminmax(torch.tensor([1, -3, 5]))
torch.return_types.aminmax(
min=tensor(-3),
max=tensor(5))

>>> # aminmax propagates NaNs
>>> torch.aminmax(torch.tensor([1, -3, 5, torch.nan]))
torch.return_types.aminmax(
min=tensor(nan),
max=tensor(nan))

>>> t = torch.arange(10).view(2, 5)
>>> t
tensor([[0, 1, 2, 3, 4],
        [5, 6, 7, 8, 9]])
>>> t.aminmax(dim=0, keepdim=True)
torch.return_types.aminmax(
min=tensor([[0, 1, 2, 3, 4]]),
max=tensor([[5, 6, 7, 8, 9]]))