topk

paddle.topk（x, k, axis=None, largest=True, sorted=True, name=None）

该OP沿着可选的 axis 查找topk最大或者最小的结果和结果所在的索引信息。 如果是一维Tensor，则直接返回topk查询的结果。如果是多维Tensor，则在指定的轴上查询topk的结果。

参数

• x （Tensor） - 输入的多维 Tensor ，支持的数据类型：float32、float64、int32、int64。

• k （int，Tensor） - 在指定的轴上进行top寻找的数量。

• axis （int，可选） - 指定对输入Tensor进行运算的轴， axis 的有效范围是[-R, R），R是输入 x 的Rank， axis 为负时与 axis + R 等价。默认值为-1。

• largest （bool，可选） - 指定算法排序的方向。如果设置为True，排序算法按照降序的算法排序，否则按照升序排序。默认值为True。

• sorted （bool，可选） - 控制返回的结果是否按照有序返回，默认为True。在gpu上总是返回有序的结果。

• name （str，可选） – 具体用法请参见 Name ，一般无需设置，默认值为None。

返回

tuple（Tensor）, 返回topk的结果和结果的索引信息。结果的数据类型和输入 x 一致。索引的数据类型是int64。

代码示例

import paddle
data_1 = paddle.to_tensor([1, 4, 5, 7])
value_1, indices_1 = paddle.topk(data_1, k=1)
print(value_1) # [7]
print(indices_1) # [3]
data_2 = paddle.to_tensor([[1, 4, 5, 7], [2, 6, 2, 5]])
value_2, indices_2 = paddle.topk(data_2, k=1)
print(value_2) # [[7], [6]]
print(indices_2) # [[3], [1]]
value_3, indices_3 = paddle.topk(data_2, k=1, axis=-1)
print(value_3) # [[7], [6]]
print(indices_3) # [[3], [1]]
value_4, indices_4 = paddle.topk(data_2, k=1, axis=0)
print(value_4) # [[2, 6, 5, 7]]
print(indices_4) # [[1, 1, 0, 0]]