PaddlePaddle

 paddle.fluid / layers / elementwise_add


elementwise_add

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

该OP是逐元素相加算子,输入 x 与输入 y 逐元素相加,并将各个位置的输出元素保存到返回结果中。

等式为:

\[Out = X + Y\]
  • \(X\) :多维Tensor。

  • \(Y\) :维度必须小于等于X维度的Tensor。

对于这个运算算子有2种情况:
  1. \(Y\)shape\(X\) 相同。

  2. \(Y\)shape\(X\) 的连续子序列。

对于情况2:
  1. \(Y\) 匹配 \(X\) 的形状(shape),其中 axis\(Y\)\(X\) 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 TensorLoDTensor 。数据类型为 float32float64int32int64

  • y (Variable)- 多维 TensorLoDTensor 。数据类型为 float32float64int32int64

  • 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 (str,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 (str,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: 维度与 x 相同的 TensorLoDTensor ,数据类型与 x 相同。

返回类型: Variable。

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_add(x, y)
# z = x + y
place = fluid.CPUPlace()
exe = fluid.Executor(place)
z_value = exe.run(feed=gen_data(),
                    fetch_list=[z.name])
print(z_value) # [3., 8., 6.]

代码示例 2

import paddle.fluid as fluid
import numpy as np
def gen_data():
    return {
        "x": np.random.randint(1, 5, size=[2, 3, 4, 5]).astype('float32'),
        "y": np.random.randint(1, 5, size=[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_add(x, y, axis=1)
# z = x + y
place = fluid.CPUPlace()
exe = fluid.Executor(place)
z_value = exe.run(feed=gen_data(),
                    fetch_list=[z.name])
print(z_value) # z.shape=[2,3,4,5]

代码示例 3

import paddle.fluid as fluid
import numpy as np
def gen_data():
    return {
        "x": np.random.randint(1, 5, size=[2, 3, 4, 5]).astype('float32'),
        "y": np.random.randint(1, 5, size=[5]).astype('float32')
    }
x = fluid.layers.data(name="x", shape=[2,3,4,5], dtype='float32')
y = fluid.layers.data(name="y", shape=[5], dtype='float32')
# z = x + y
z = fluid.layers.elementwise_add(x, y, axis=3)
place = fluid.CPUPlace()
exe = fluid.Executor(place)
z_value = exe.run(feed=gen_data(),
                    fetch_list=[z.name])
print(z_value) # z.shape=[2,3,4,5]

此页内容是否对您有帮助