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：

\(Y\) 的 shape 与 \(X\) 相同。
\(Y\) 的 shape 是 \(X\) 的连续子序列。

对于情况2:

用 \(Y\) 匹配 \(X\) 的形状（shape），其中 axis 是 \(Y\) 在 \(X\) 上的起始维度的位置。
如果 axis 为-1（默认值），则 \(axis= rank(X)-rank(Y)\) 。
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 Tensor 或 LoDTensor 。数据类型为 float32 、 float64 、 int32 或 int64。
y （Variable）- 多维 Tensor 或 LoDTensor 。数据类型为 float32 、 float64 、 int32 或 int64。
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 Tensor 或 LoDTensor ，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]

PaddlePaddle

paddle.fluid / layers / elementwise_add

elementwise_add¶

PaddlePaddle

paddle

paddle.amp

paddle.callbacks

paddle.compat

paddle.distributed

paddle.distribution

paddle.fluid

paddle.io

paddle.jit

paddle.metric

paddle.nn

paddle.onnx

paddle.optimizer

paddle.regularizer

paddle.static

paddle.sysconfig

paddle.text

paddle.utils

paddle.vision

paddle.fluid / layers / elementwise_add

elementwise_add¶