paddle

paddle 目录下包含tensor、device、framework相关API以及某些高层API。具体如下：

tensor数学操作

API名称

API功能

绝对值函数

arccosine函数

Tensor逐元素相加

对输入的一至多个Tensor或LoDTensor求和

计算输入Tensor x和y的乘积，将结果乘以标量alpha，再加上input与beta的乘积，得到输出

对指定维度上的Tensor元素进行逻辑与运算

逐个检查输入Tensor x和y的所有元素是否均满足 ∣x−y∣≤atol+rtol×∣y∣

对指定维度上的Tensor元素进行逻辑或运算

arcsine函数

arctangent函数

arctangent2函数

向上取整运算函数

将输入的所有元素进行剪裁，使得输出元素限制在[min, max]内

逐元素计算Tensor的共轭运算

余弦函数

双曲余弦函数

沿给定 axis 计算张量 x 的累加和

逐元素计算输入x的digamma函数值

逐元素相除算子

该OP返回 x==y 逐元素比较x和y是否相等，相同位置的元素相同则返回True，否则返回False

如果所有相同位置的元素相同返回True，否则返回False

逐元素计算 Erf 激活函数

逐元素进行以自然数e为底指数运算

逐元素进行exp(x)-1运算

向下取整函数

逐元素整除算子，输入 x 与输入 y 逐元素整除，并将各个位置的输出元素保存到返回结果中

逐元素地返回 x>=y 的逻辑值

逐元素地返回 x>y 的逻辑值

在控制流程中用来让 x 的数值增加 value

计算方阵的逆

计算两个张量的克罗内克积

逐元素地返回 x<=y 的逻辑值

逐元素地返回 x<y 的逻辑值

计算输入 x 的 gamma 函数的自然对数并返回

Log激活函数（计算自然对数）

Log10激活函数（计算底为10的对数）

计算Log1p（加一的自然对数）结果

逐元素的对 x 和 y 进行逻辑与运算

逐元素的对 X Tensor进行逻辑非运算

逐元素的对 X 和 Y 进行逻辑或运算

逐元素的对 X 和 Y 进行逻辑异或运算

逐元素的对 x 和 y 进行按位与运算

逐元素的对 X Tensor进行按位取反运算

逐元素的对 X 和 Y 进行按位或运算

逐元素的对 X 和 Y 进行按位异或运算

沿着 axis 计算 x 的以e为底的指数的和的自然对数

对指定维度上的Tensor元素求最大值运算

逐元素对比输入的两个Tensor，并且把各个位置更大的元素保存到返回结果中

沿 axis 计算 x 的平均值

沿给定的轴 axis 计算 x 中元素的中位数

对指定维度上的Tensor元素求最小值运算

逐元素对比输入的两个Tensor，并且把各个位置更小的元素保存到返回结果中

用于两个输入矩阵的相乘

逐元素取模算子

从每个输入Tensor中选择特定行构造输出Tensor

逐元素相乘算子

计算输入 x 的相反数并返回

逐元素地返回x!=y 的逻辑值

指数算子，逐元素计算 x 的 y 次幂

对指定维度上的Tensor元素进行求乘积运算

对输入Tensor取倒数

将输入中的数值四舍五入到最接近的整数数值

rsqrt激活函数

缩放算子

对输入x中每个元素进行正负判断

计算输入的正弦值

双曲正弦函数

计算输入的算数平方根

该OP执行逐元素取平方运算

stanh 激活函数

沿给定的轴 axis 计算 x 中元素的标准差

逐元素相减算子

对指定维度上的Tensor元素进行求和运算

三角函数tangent

tanh激活函数

计算输入 Tensor 在指定平面上的对角线元素之和

沿给定的轴 axis 计算 x 中元素的方差

根据给定的轴 axis 返回输入 Tensor 的局部视图

对输入 Tensor 每个元素的小数部分进行截断

tensor逻辑操作

API名称

API功能

测试变量是否为空

用来测试输入对象是否是paddle.Tensor

返回输入tensor的每一个值是否为Finite（既非 +/-INF 也非 +/-NaN ）

返回输入tensor的每一个值是否为 +/-INF

返回输入tensor的每一个值是否为 +/-NaN

tensor属性相关

API名称

API功能

返回一个包含输入复数Tensor的虚部数值的新Tensor

返回一个包含输入复数Tensor的实部数值的新Tensor

获得输入Tensor或SelectedRows的shape

tensor创建相关

API名称

API功能

返回以步长 step 均匀分隔给定数值区间[start, end)的1-D Tensor，数据类型为 dtype

如果 x 是向量（1-D张量），则返回带有 x 元素作为对角线的2-D方阵;如果 x 是矩阵（2-D张量），则提取 x 的对角线元素，以1-D张量返回。

如果 x 是一维张量，则返回带有 x 元素作为对角线的二维方阵;如果 x 是大于等于二维的张量，则返回一个二维张量，其对角线元素为 x 在连续维度展开得到的一维张量的元素。

创建形状大小为shape并且数据类型为dtype的Tensor

根据 x 的shape和数据类型 dtype 创建未初始化的Tensor

构建二维Tensor(主对角线元素为1，其他元素为0)

创建形状大小为 shape 并且数据类型为 dtype 的Tensor

创建一个和 x 具有相同的形状并且数据类型为 dtype 的Tensor

返回一个Tensor，Tensor的值为在区间start和stop上均匀间隔的num个值，输出Tensor的长度为num

对每个张量做扩充操作

返回一个长度为1并且元素值为输入 x 元素个数的Tensor

创建形状为 shape 、数据类型为 dtype 且值全为1的Tensor

返回一个和 x 具有相同形状的数值都为1的Tensor

Paddle中最为基础的数据结构

通过已知的data来创建一个tensor

该OP创建形状为 shape 、数据类型为 dtype 且值全为0的Tensor

该OP返回一个和 x 具有相同的形状的全零Tensor，数据类型为 dtype 或者和 x 相同

tensor初始化相关

API名称

API功能

将输入Tensor或numpy数组拷贝至输出Tensor

tensor random相关

API名称

API功能

以输入 x 为概率，生成一个伯努利分布（0-1分布）的Tensor，输出Tensor的形状和数据类型与输入 x 相同

以输入 x 为概率，生成一个多项分布的Tensor

返回符合正态分布（均值为 mean ，标准差为 std 的正态随机分布）的随机Tensor

返回符合均匀分布的，范围在[0, 1)的Tensor

返回服从均匀分布的、范围在[low, high)的随机Tensor

返回符合标准正态分布（均值为0，标准差为1的正态随机分布）的随机Tensor

返回一个数值在0到n-1、随机排列的1-D Tensor

设置全局默认generator的随机种子

返回数值服从范围[min, max)内均匀分布的随机Tensor

tensor线性代数相关

API名称

API功能

对输入x及输入y进行矩阵相乘

计算一个对称正定矩阵或一批对称正定矩阵的Cholesky分解

计算张量 x 和 y 在 axis 维度上的向量积（叉积）

计算 (x-y) 的 p 范数（p-norm）

计算向量的内积

计算输入张量的直方图

计算两个Tensor的乘积，遵循完整的广播规则

计算矩阵 x 和向量 vec 的乘积

计算给定Tensor的矩阵范数（Frobenius 范数）和向量范数（向量1范数、2范数、或者通常的p范数）

计算输入Tensor的维度（秩）

对小于等于2维的Tensor进行数据转置

返回输入矩阵 input 的下三角部分，其余部分被设为0

返回输入矩阵 input 的上三角部分，其余部分被设为0

tensor元素操作相关（如：转置，reshape等）

API名称

API功能

根据 shape 指定的形状广播 x ，广播后， x 的形状和 shape 指定的形状一致

对一组输入Tensor进行广播操作, 输入应符合广播规范

将输入的x的数据类型转换为 dtype 并输出

将输入Tensor分割成多个子Tensor

对输入沿 axis 轴进行联结，返回一个新的Tensor

根据 shape 指定的形状扩展 x ，扩展后， x 的形状和 shape 指定的形状一致

根据 y 的形状扩展 x ，扩展后， x 的形状和 y 的形状相同

根据给定的start_axis 和 stop_axis 将连续的维度展平

沿指定轴反转n维tensor

根据索引 index 获取输入 x 的指定 aixs 维度的条目，并将它们拼接在一起

paddle.gather的高维推广

在保持输入 x 数据不变的情况下，改变 x 的形状

沿着指定维度 axis 对输入 x 进行循环滚动，当元素移动到最后位置时，会从第一个位置重新插入

通过基于 updates 来更新选定索引 index 上的输入来获得输出

根据 index ，将 updates 添加到一个新的张量中，从而得到输出的Tensor

通过对Tensor中的单个值或切片应用稀疏加法，从而得到输出的Tensor

根据分片（shard）的偏移量重新计算分片的索引

沿多个轴生成 input 的切片

将输入Tensor分割成多个子Tensor

删除输入Tensor的Shape中尺寸为1的维度

沿 axis 轴对输入 x 进行堆叠操作

沿多个轴生成 x 的切片

根据参数 repeat_times 对输入 x 的各维度进行复制

根据perm对输入的多维Tensor进行数据重排

将输入Tensor按照指定的维度分割成多个子Tensor

返回Tensor按升序排序后的独有元素

该OP向输入Tensor的Shape中一个或多个位置（axis）插入尺寸为1的维度

该OP将单个dim为 D 的Tensor沿 axis 轴unpack为 num 个dim为 (D-1) 的Tensor

framework相关

API名称

API功能

一个设备描述符，指定CPUPlace则Tensor将被自动分配在该设备上，并且模型将会运行在该设备上

一个设备描述符，它所指代的页锁定内存由 CUDA 函数 cudaHostAlloc() 在主机内存上分配，主机的操作系统将不会对这块内存进行分页和交换操作，可以通过直接内存访问技术访问，加速主机和 GPU 之间的数据拷贝

一个设备描述符，表示一个分配或将要分配 Tensor 或 LoDTensor 的 GPU 设备

通过数据并行模式执行动态图模型

一个设备描述符，指NCPUPlace则Tensor将被自动分配在该设备上，并且模型将会运行在该设备上

关闭静态图模式

开启静态图模式

得到当前全局的dtype

对于每个 inputs ，计算所有 outputs 相对于其的梯度和

查看paddle当前是否在动态图模式中运行

从指定路径载入可以在paddle中使用的对象实例

创建一个上下文来禁用动态图梯度计算

创建一个参数属性对象

将对象实例obj保存到指定的路径中

设置默认的全局dtype。

device相关

API名称

API功能

此函数返回cudnn的版本

检查 whl 包是否可以被用来在GPU上运行模型

检查 whl 包是否可以被用来在Baidu Kunlun XPU上运行模型

检查 whl 包是否可以被用来在 NPU 上运行模型

该功能返回当前程序运行的全局设备

Paddle支持包括CPU和GPU在内的多种设备运行，设备可以通过字符串标识符表示，此功能可以指定OP运行的全局设备

一个设备描述符，表示一个分配或将要分配 Tensor 的 Baidu Kunlun XPU 设备

高层API相关

API名称

API功能

一个具备训练、测试、推理的神经网络

打印网络的基础结构和参数信息

打印网络的基础结构和参数信息