elementwise_min¶

paddle.fluid.layers. elementwise_min ( x, y, axis=- 1, act=None, name=None ) [源代码] ¶

该OP逐元素对比输入的两个多维Tensor，并且把各个位置更小的元素保存到返回结果中。

等式是：

• \(X\) ：多维Tensor。

• \(Y\) ：多维Tensor。

此运算算子有两种情况：

1. \(Y\) 的 shape 与 \(X\) 相同。

2. \(Y\) 的 shape 是 \(X\) 的连续子序列。

对于情况2：

1. 用 \(Y\) 的 shape 匹配 \(X\) 的 shape，其中 axis 是 \(Y\) 在 \(X\) 上的起始维度的位置。

2. 如果 axis 为-1（默认值），则 \(axis = rank（X）-rank（Y）\) 。

3. 考虑到子序列， \(Y\) 的大小为1的尾部维度将被忽略，例如shape（Y）=（2,1）=>（2）。

例如：

shape(X) = (2, 3, 4, 5), shape(Y) = (,)
shape(X) = (2, 3, 4, 5), shape(Y) = (5,)
shape(X) = (2, 3, 4, 5), shape(Y) = (4, 5), with axis=-1(default) or axis=2
shape(X) = (2, 3, 4, 5), shape(Y) = (3, 4), with axis=1
shape(X) = (2, 3, 4, 5), shape(Y) = (2), with axis=0
shape(X) = (2, 3, 4, 5), shape(Y) = (2, 1), with axis=0

参数：

• x （Variable）- 多维Tensor。数据类型为 float32 、 float64 、 int32 或 int64 。

• y （Variable）- 多维Tensor。数据类型为 float32 、 float64 、 int32 或 int64 。

• axis （int32, 可选）- Y的维度对应到X维度上时的索引。默认值为 -1。

• act （string, 可选）- 激活函数名称，作用于输出上。默认值为None。详细请参考 激活函数 ， 常见的激活函数有: relu tanh sigmoid 等。

• name （string, 可选）- 输出的名字。默认值为None。该参数供开发人员打印调试信息时使用，具体用法请参见 Name 。

返回： 维度和数据类型与 x 相同的多维Tensor。

返回类型： 多维Tensor。

代码示例 1

import paddle.fluid as fluid
import numpy as np

def gen_data():
    return {
        "x": np.array([2, 3, 4]),
        "y": np.array([1, 5, 2])
    }

x = fluid.layers.data(name="x", shape=[3], dtype='float32')
y = fluid.layers.data(name="y", shape=[3], dtype='float32')
z = fluid.layers.elementwise_min(x, y)

place = fluid.CPUPlace()
exe = fluid.Executor(place)
z_value = exe.run(feed=gen_data(),
                    fetch_list=[z.name])

print(z_value) #[1, 3, 2]

代码示例 2

import paddle.fluid as fluid
import numpy as np

def gen_data():
    return {
        "x": np.ones((2, 3, 4, 5)).astype('float32'),
        "y": np.zeros((3, 4)).astype('float32')
    }

x = fluid.layers.data(name="x", shape=[2,3,4,5], dtype='float32')
y = fluid.layers.data(name="y", shape=[3,4], dtype='float32')
z = fluid.layers.elementwise_min(x, y, axis=1)

place = fluid.CPUPlace()
exe = fluid.Executor(place)

z_value = exe.run(feed=gen_data(),
                    fetch_list=[z.name])

print(z_value)#[[[[0., 0., 0., 0., 0.] .... [0., 0., 0., 0., 0.]]]]