测试变量是否为空

用来测试输入对象是否是paddle.Tensor

paddle.isfinite

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

paddle.isnan

返回输入tensor的每一个值是否为 +/-NaN

返回一个包含输入复数Tensor的虚部数值的新Tensor

paddle.real

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

paddle.arange

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

paddle.diag

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。

创建形状大小为shape并且数据类型为dtype的Tensor

paddle.empty_like

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)

paddle.full

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

paddle.linspace

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

paddle.meshgrid

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

paddle.ones

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.Tensor

Paddle中最为基础的数据结构

通过已知的data来创建一个tensor

paddle.zeros

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

将输入Tensor或numpy数组拷贝至输出Tensor

paddle.bernoulli

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

paddle.normal

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

paddle.randint

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

paddle.randperm

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

paddle.uniform

返回数值服从范围[min, max)内均匀分布的随机Tensor

对输入x及输入y进行矩阵相乘

paddle.cholesky

计算一个对称正定矩阵或一批对称正定矩阵的Cholesky分解

paddle.dist

计算 (x-y) 的 p 范数（p-norm）

计算向量的内积

paddle.histogram

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

paddle.mv

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）

paddle.rank

计算输入Tensor的维度（秩）

对小于等于2维的Tensor进行数据转置

paddle.tril

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

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

paddle.CUDAPinnedPlace

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

paddle.DataParallel

通过数据并行模式执行动态图模型

关闭静态图模式

paddle.enable_static

开启静态图模式

得到当前全局的dtype

paddle.grad

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

paddle.load

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

paddle.ParamAttr

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

paddle.set_default_dtype

设置默认的全局dtype。

此函数返回cudnn的版本

paddle.is_compiled_with_cuda

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

paddle.get_device

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

paddle.XPUPlace

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

一个具备训练、测试、推理的神经网络

paddle.summary

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