paddle
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。 | |
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 (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 |
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 | |
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 | |
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 |