bitwise_left_shift¶
对 Tensor x 和 y 逐元素进行 按位算术(或逻辑)左移 运算。
- 关于 有符号数的符号位 在不同情景下的行为：
-
算术左移时，符号位同其他位一样，一起左移，右边补 0；
逻辑左移时，符号位同其他位一样，一起左移，右边补 0；
算术右移时，符号位同其他位一样，一起右移，左边补符号位；
逻辑右移时，符号位同其他位一样，一起右移，左边补 0；
注解
当有符号数左移发生溢出时，其值不可控，可能会在左移时突然变号，这是因为在左移时，有符号数的符号位同样进行左移，会导致符号位右侧的值不断成为符号位，例如
example1:
int8_t x = -45; // 补码为 1101,0011 表示-45
int8_t y = x << 2; //补码为 0100,1100 表示 76
int8_t z = x << 3; //补码为 1001,1000 表示-104
example2:
int8_t x = -86; // 补码为 1010,1010 表示-86
int8_t y = x << 1; //补码为 0101,0100 表示 84
int8_t z = x << 2; //补码为 1010,1000 表示-88
以上为溢出导致的符号突变。
\[Out = X \ll Y\]
注解
paddle.bitwise_left_shift 遵守 broadcasting，如您想了解更多，请参见 Tensor 介绍 .
参数¶
x （Tensor）- 输入的 N-D Tensor，数据类型为：uint8，int8，int16，int32，int64。
y （Tensor）- 输入的 N-D Tensor，数据类型为：uint8，int8，int16，int32，int64。
is_arithmetic （bool） - 用于表明是否执行算术位移，True 表示算术位移，False 表示逻辑位移。默认值为 True，表示算术位移。
out （Tensor，可选）- 输出的结果 Tensor，是与输入数据类型相同的 N-D Tensor。默认值为 None，此时将创建新的 Tensor 来保存输出结果。
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¶
按位算术(逻辑)左移运算后的结果Tensor，数据类型与x相同。
代码示例 1¶
算术左移
>>> import paddle
>>> x = paddle.to_tensor([[1,2,4,8],[16,17,32,65]])
>>> y = paddle.to_tensor([[1,2,3,4,], [2,3,2,1]])
>>> paddle.bitwise_left_shift(x, y, is_arithmetic=True)
Tensor(shape=[2, 4], dtype=int64, place=Place(gpu:0), stop_gradient=True,
[[2 , 8 , 32 , 128],
[64 , 136, 128, 130]])
代码示例 2¶
逻辑左移
>>> import paddle
>>> x = paddle.to_tensor([[1,2,4,8],[16,17,32,65]])
>>> y = paddle.to_tensor([[1,2,3,4,], [2,3,2,1]])
>>> paddle.bitwise_left_shift(x, y, is_arithmetic=False)
Tensor(shape=[2, 4], dtype=int64, place=Place(gpu:0), stop_gradient=True,
[[2 , 8 , 32 , 128],
[64 , 136, 128, 130]])