tensor¶
argmax¶
argmax
该功能计算输入张量元素中最大元素的索引,张量的元素在提供的轴上。
- 参数:
- x (Variable)-用于计算最大元素索引的输入
- axis (int)-用于计算索引的轴
返回:存储在输出中的张量
返回类型:变量(Variable)
代码示例:
import paddle.fluid as fluid
x = fluid.layers.data(name="x", shape=[3, 4], dtype="float32")
out = fluid.layers.argmax(x, axis=0)
out = fluid.layers.argmax(x, axis=-1)
argmin¶
argmin
该功能计算输入张量元素中最小元素的索引,张量元素在提供的轴上。
- 参数:
- x (Variable)-计算最小元素索引的输入
- axis (int)-计算索引的轴
返回:存储在输出中的张量
返回类型:变量(Variable)
代码示例:
import paddle.fluid as fluid
x = fluid.layers.data(name="x", shape=[3, 4], dtype="float32")
out = fluid.layers.argmin(x, axis=0)
out = fluid.layers.argmin(x, axis=-1)
argsort¶
对输入变量沿给定轴进行排序,输出排序好的数据和相应的索引,其维度和输入相同
例如:
给定 input 并指定 axis=-1
input = [[0.15849551, 0.45865775, 0.8563702 ],
[0.12070083, 0.28766365, 0.18776911]],
执行argsort操作后,得到排序数据:
out = [[0.15849551, 0.45865775, 0.8563702 ],
[0.12070083, 0.18776911, 0.28766365]],
根据指定axis排序后的数据indices变为:
indices = [[0, 1, 2],
[0, 2, 1]]
- 参数:
- input (Variable)-用于排序的输入变量
- axis (int)- 沿该参数指定的轴对输入进行排序。当axis<0,实际的轴为axis+rank(input)。默认为-1,即最后一维。
- name (str|None)-(可选)该层名称。如果设为空,则自动为该层命名。
返回:一组已排序的数据变量和索引
返回类型:元组
代码示例:
import paddle.fluid as fluid
x = fluid.layers.data(name="x", shape=[3, 4], dtype="float32")
out, indices = fluid.layers.argsort(input=x, axis=0)
assign¶
该函数将输入变量复制到输出变量
- 参数:
- input (Variable|numpy.ndarray)-源变量
- output (Variable|None)-目标变量
返回:作为输出的目标变量
返回类型:变量(Variable)
代码示例:
import paddle.fluid as fluid
data = fluid.layers.data(name="data", shape=[3, 32, 32], dtype="float32")
out = fluid.layers.create_tensor(dtype='float32')
hidden = fluid.layers.fc(input=data, size=10)
fluid.layers.assign(hidden, out)
cast¶
该层传入变量x, 并用x.dtype将x转换成dtype类型,作为输出。如果输出的dtype和输入的dtype相同,则使用cast是没有意义的,但如果真的这么做了也不会报错。
- 参数:
- x (Variable)-转换函数的输入变量
- dtype (np.dtype|core.VarDesc.VarType|str)-输出变量的数据类型
返回:转换后的输出变量
返回类型:变量(Variable)
代码示例:
import paddle.fluid as fluid
data = fluid.layers.data(name='x', shape=[13], dtype='float32')
result = fluid.layers.cast(x=data, dtype='float64')
concat¶
Concat
这个函数将输入连接在前面提到的轴上,并将其作为输出返回。
- 参数:
- input (list)-将要联结的张量列表
- axis (int)-数据类型为整型的轴,其上的张量将被联结
- name (str|None)-该层名称(可选)。如果设为空,则自动为该层命名。
返回:输出的联结变量
返回类型:变量(Variable)
代码示例:
import paddle.fluid as fluid
a = fluid.layers.data(name='a', shape=[2, 13], dtype='float32')
b = fluid.layers.data(name='b', shape=[2, 3], dtype='float32')
c = fluid.layers.data(name='c', shape=[2, 2], dtype='float32')
d = fluid.layers.data(name='d', shape=[2, 5], dtype='float32')
out = fluid.layers.concat(input=[a, b, c, d], axis=2)
create_global_var¶
-
paddle.fluid.layers.
create_global_var
(shape, value, dtype, persistable=False, force_cpu=False, name=None)[源代码]¶
在全局块中创建一个新的带有 value
的张量。
- 参数:
- shape (list[int])-变量的维度
- value (float)-变量的值。填充新创建的变量
- dtype (string)-变量的数据类型
- persistable (bool)-如果是永久变量。默认:False
- force_cpu (bool)-将该变量压入CPU。默认:False
- name (str|None)-变量名。如果设为空,则自动创建变量名。默认:None.
返回:创建的变量
返回类型:变量(Variable)
代码示例:
import paddle.fluid as fluid
import paddle.fluid.layers as layers
var = layers.create_global_var(shape=[2,3], value=1.0, dtype='float32',
persistable=True, force_cpu=True, name='new_var')
create_parameter¶
-
paddle.fluid.layers.
create_parameter
(shape, dtype, name=None, attr=None, is_bias=False, default_initializer=None)[源代码]¶
创建一个参数。该参数是一个可学习的变量,拥有梯度并且可优化。
注:这是一个低级别的API。如果您希望自己创建新的op,这个API将非常有用,无需使用layers。
- 参数:
- shape (list[int])-参数的维度
- dtype (string)-参数的元素类型
- attr (ParamAttr)-参数的属性
- is_bias (bool)-当default_initializer为空,该值会对选择哪个默认初始化程序产生影响。如果is_bias为真,则使用initializer.Constant(0.0),否则使用Xavier()。
- default_initializer (Initializer)-参数的初始化程序
返回:创建的参数
代码示例:
import paddle.fluid as fluid
import paddle.fluid.layers as layers
W = layers.create_parameter(shape=[784, 200], dtype='float32')
create_tensor¶
创建一个变量,存储数据类型为dtype的LoDTensor。
- 参数:
- dtype (string)-“float32”|“int32”|..., 创建张量的数据类型。
- name (string)-创建张量的名称。如果未设置,则随机取一个唯一的名称。
- persistable (bool)-是否将创建的张量设置为 persistable
返回:一个张量,存储着创建的张量
返回类型:变量(Variable)
代码示例:
import paddle.fluid as fluid
tensor = fluid.layers.create_tensor(dtype='float32')
diag¶
该功能创建一个方阵,含有diagonal指定的对角线值。
- 参数:
- diagonal (Variable|numpy.ndarray) - 指定对角线值的输入张量,其秩应为1。
返回:存储着方阵的张量变量
返回类型:变量(Variable)
代码示例:
# [3, 0, 0]
# [0, 4, 0]
# [0, 0, 5]
import paddle.fluid as fluid
data = fluid.layers.diag(np.arange(3, 6))
fill_constant¶
该功能创建一个张量,含有具体的shape,dtype和batch尺寸。并用 value
中提供的常量初始化该张量。
创建张量的属性stop_gradient设为True。
- 参数:
- shape (tuple|list|None)-输出张量的形状
- dtype (np.dtype|core.VarDesc.VarType|str)-输出张量的数据类型
- value (float)-用于初始化输出张量的常量值
- out (Variable)-输出张量
- force_cpu (True|False)-若设为true,数据必须在CPU上
返回:存储着输出的张量
返回类型:变量(Variable)
代码示例:
import paddle.fluid as fluid
data = fluid.layers.fill_constant(shape=[1], value=0, dtype='int64')
fill_constant_batch_size_like¶
-
paddle.fluid.layers.
fill_constant_batch_size_like
(input, shape, dtype, value, input_dim_idx=0, output_dim_idx=0)[源代码]¶
该功能创建一个张量,含有具体的shape,dtype和batch尺寸。并用 Value
中提供的常量初始化该张量。该批尺寸从输入张量中获取。它还将stop_gradient设置为True.
- 参数:
- input (Variable)-张量,其第input_dim_idx维可指定batch_size
- shape (INTS)-输出的形状
- dtype (INT)-可以为numpy.dtype。输出数据类型。默认为float32
- value (FLOAT)-默认为0.将要被填充的值
- input_dim_idx (INT)-默认为0.输入批尺寸维的索引
- output_dim_idx (INT)-默认为0.输出批尺寸维的索引
返回:具有特定形状和值的张量
代码示例:
import paddle.fluid as fluid
like = fluid.layers.data(name='like', shape=[1], dtype='float32')
data = fluid.layers.fill_constant_batch_size_like(
input=like, shape=[1], value=0, dtype='int64')
has_inf¶
测试x是否包括一个无穷数
- 参数:
- x(variable) - 用于被检查的Tensor/LoDTensor
返回: tensor变量存储输出值,包含一个bool型数值
返回类型:Variable
代码示例:
import paddle.fluid as fluid
data = fluid.layers.data(name="input", shape=[4, 32, 32], dtype="float32")
res = fluid.layers.has_inf(data)
has_nan¶
测试x是否包含NAN
- 参数:
- x(variable) - 用于被检查的Tensor/LoDTensor
返回: tensor变量存储输出值,包含一个bool型数值
返回类型:Variable
代码示例:
import paddle.fluid as fluid
data = fluid.layers.data(name="input", shape=[4, 32, 32], dtype="float32")
res = fluid.layers.has_nan(data)
isfinite¶
测试x是否包含无穷大/NAN值,如果所有元素都是有穷数,返回Ture,否则返回False
- 参数:
- x(variable) - 用于被检查的Tensor/LoDTensor
返回: Variable: tensor变量存储输出值,包含一个bool型数值
返回类型:Variable
代码示例:
import paddle.fluid as fluid
var = fluid.layers.data(name="data",
shape=(4, 6),
dtype="float32")
out = fluid.layers.isfinite(v)
linspace¶
在给定区间内返回固定数目的均匀间隔的值。
第一个entry是start,最后一个entry是stop。在Num为1的情况下,仅返回start。类似numpy的linspace功能。
- 参数:
- start (float|Variable)-序列中的第一个entry。 它是一个浮点标量,或是一个数据类型为'float32'|'float64'、形状为[1]的张量。
- stop (float|Variable)-序列中的最后一个entry。 它是一个浮点标量,或是一个数据类型为'float32'|'float64'、形状为[1]的张量。
- num (int|Variable)-序列中的entry数。 它是一个整型标量,或是一个数据类型为int32、形状为[1]的张量。
- dtype (string)-‘float32’|’float64’,输出张量的数据类型。
返回:存储一维张量的张量变量
返回类型:变量(Variable)
代码示例:
import paddle.fluid as fluid
data = fluid.layers.linspace(0, 10, 5, 'float32') # [0.0, 2.5, 5.0, 7.5, 10.0]
data = fluid.layers.linspace(0, 10, 1, 'float32') # [0.0]
ones¶
ones
该功能创建一个张量,有具体的维度和dtype,初始值为1。
也将stop_gradient设置为True。
- 参数:
- shape (tuple|list)-输出张量的维
- dtype (np.dtype|core.VarDesc.VarType|str)-输出张量的数据类型
返回:存储在输出中的张量
返回类型:变量(Variable)
代码示例:
import paddle.fluid as fluid
data = fluid.layers.ones(shape=[1], dtype='int64')
range¶
均匀分隔给定数值区间,并返回该分隔结果。
返回值在半开区间[start,stop)内生成(即包括起点start但不包括终点stop的区间)。
- 参数:
- start (int | float | Variable) - 区间起点,且区间包括此值。
- end (int | float | Variable) - 区间终点,通常区间不包括此值。但当step不是整数,且浮点数取整会影响out的长度时例外。
- step (int | float | Variable) - 返回结果中数值之间的间距(步长)。 对于任何输出变量out,step是两个相邻值之间的距离,即out [i + 1] - out [i]。 默认为1。
- dtype (string) - 'float32'|'int32'| ...,输出张量的数据类型。
返回:均匀分割给定数值区间后得到的值组
代码示例:
import paddle.fluid as fluid
data = fluid.layers.range(0, 10, 2, 'int32')
reverse¶
reverse
该功能将给定轴上的输入‘x’逆序
- 参数:
- x (Variable)-预逆序的输入
- axis (int|tuple|list) - 元素逆序排列的轴。如果该参数是一个元组或列表,则对该参数中每个元素值所指定的轴上进行逆序运算。
返回:逆序的张量
返回类型:变量(Variable)
代码示例:
import paddle.fluid as fluid
data = fluid.layers.data(name="data", shape=[4, 8], dtype="float32")
out = fluid.layers.reverse(x=data, axis=0)
# or:
out = fluid.layers.reverse(x=data, axis=[0,1])
sums¶
该函数对输入进行求和,并返回求和结果作为输出。
- 参数:
- input (Variable|list)-输入张量,有需要求和的元素
- out (Variable|None)-输出参数。求和结果。默认:None
返回:输入的求和。和参数'out'等同
返回类型:变量(Variable)
代码示例:
import paddle.fluid as fluid
# sum of several tensors
a0 = fluid.layers.fill_constant(shape=[1], dtype='int64', value=1)
a1 = fluid.layers.fill_constant(shape=[1], dtype='int64', value=2)
a2 = fluid.layers.fill_constant(shape=[1], dtype='int64', value=3)
sums = fluid.layers.sums(input=[a0, a1, a2])
# sum of a tensor array
array = fluid.layers.create_array('int64')
i = fluid.layers.zeros(shape=[1], dtype='int64', force_cpu=True)
fluid.layers.array_write(a0, array=array, i=i)
i = fluid.layers.increment(x=i)
fluid.layers.array_write(a1, array=array, i=i)
i = fluid.layers.increment(x=i)
fluid.layers.array_write(a2, array=array, i=i)
sums = fluid.layers.sums(input=array)
tensor_array_to_tensor¶
此函数在指定轴上连接LodTensorArray中的元素,并将其作为输出返回。
简单示例如下:
Given:
input.data = {[[0.6, 0.1, 0.3],
[0.5, 0.3, 0.2]],
[[1.3],
[1.8]],
[[2.3, 2.1],
[2.5, 2.4]]}
axis = 1
Then:
output.data = [[0.6, 0.1, 0.3, 1.3, 2.3, 2.1],
[0.5, 0.3, 0.2, 1.8, 2.5, 2.4]]
output_index.data = [3, 1, 2]
- 参数:
- input (list) - 输入的LodTensorArray
- axis (int) - 整数轴,tensor将会和它连接在一起
- name (str|None) - 该layer的名字,可选。如果设置为none,layer将会被自动命名
- 返回:
- Variable: 连接的输出变量,输入LodTensorArray沿指定axis连接。
返回类型: Variable
代码示例:
import paddle.fluid as fluid
tensor_array = fluid.layers.create_parameter(shape=[784, 200], dtype='float32')
output, output_index = fluid.layers.tensor_array_to_tensor(input=tensor_array)
zeros¶
zeros
该函数创建一个张量,含有具体的维度和dtype,初始值为0.
也将stop_gradient设置为True。
- 参数:
- shape (tuple|list|None)-输出张量的维
- dtype (np.dtype|core.VarDesc.VarType|str)-输出张量的数据类型
- force_cpu (bool,default False)-是否将输出保留在CPU上
返回:存储在输出中的张量
返回类型:变量(Variable)
代码示例:
import paddle.fluid as fluid
data = fluid.layers.zeros(shape=[1], dtype='int64')
zeros_like¶
zeros_like
该函数创建一个和x具有相同的形状和数据类型的全零张量
- 参数:
- x (Variable)-指定形状和数据类型的输入张量
- out (Variable)-输出张量
返回:存储输出的张量变量
返回类型:变量(Variable)
代码示例:
import paddle.fluid as fluid
x = fluid.layers.data(name='x', dtype='float32', shape=[3], append_batch_size=False)
data = fluid.layers.zeros_like(x) # [0.0, 0.0, 0.0]