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元素查找相关¶
API名称 |
API功能 |
---|---|
|
沿 axis 计算输入 x 的最大元素的索引 |
|
沿 axis 计算输入 x 的最小元素的索引 |
|
对输入变量沿给定轴进行排序,输出排序好的数据的相应索引,其维度和输入相同 |
|
对输入 x 中的元素进行批量抽样 |
|
沿着指定轴 axis 对输入 x 进行索引 |
|
返回一个1-D 的Tensor, Tensor的值是根据 mask 对输入 x 进行选择的 |
|
返回输入 x 中非零元素的坐标 |
|
对输入变量沿给定轴进行排序,输出排序好的数据,其维度和输入相同 |
|
沿着可选的 axis 查找topk最大或者最小的结果和结果所在的索引信息 |
|
该OP返回一个根据输入 condition, 选择 x 或 y 的元素组成的多维 Tensor |
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 |