嘿，这个问题问得很实用！其实PyTorch里并没有原生的torch.mink函数，不过你完全不需要自己绕弯子（比如取负再用topk），官方早就给torch.topk准备了更直接的解决方案。

• 最推荐的方式：给torch.topk加上largest=False参数，直接获取最小的k个元素
  举个例子，用你给出的张量测试：

  import torch
  x = torch.arange(1., 6.)
  print(x)
  # >>> tensor([1., 2., 3., 4., 5.])
  
  # 获取最小的3个元素及其索引
  values, indices = torch.topk(x, 3, largest=False)
  print(values)
  # >>> tensor([1., 2., 3.])
  print(indices)
  # >>> tensor([0, 1, 2])
  

  这个方法不仅直观，还能避免取负操作可能带来的潜在问题（比如处理包含inf或NaN的张量时，取负可能会出现意外结果），而且和topk本身的性能一致，效率很高。

• 另一种备选方案：先排序再取前k个
  如果你想先用torch.sort对整个张量排序，再截取前k个元素，也是可行的，但这种方法在张量规模较大时，性能不如topk(largest=False)（因为排序会处理整个张量，而topk只聚焦于需要的k个元素）：

  sorted_vals, sorted_indices = torch.sort(x)
  min_k_vals = sorted_vals[:3]
  min_k_indices = sorted_indices[:3]
  

你之前想到的用torch.topk(-x, 3)的方法虽然能得到结果，但确实不是最优解，官方更推荐用largest=False的参数形式来实现“取最小k个元素”的需求。

备注：内容来源于stack exchange，提问作者Penguin