scale¶

paddle. scale ( x, scale=1.0, bias=0.0, bias_after_scale=True, act=None, name=None ) [源代码] ¶

缩放算子。

对输入Tensor进行缩放和偏置，其公式如下：

bias_after_scale 为True:

\[Out=scale*X+bias\]

bias_after_scale 为False:

\[Out=scale*(X+bias)\]

参数:

x (Tensor) - 要进行缩放的多维Tensor，数据类型可以为float32，float64，int8，int16，int32，int64，uint8。
scale (float|Tensor) - 缩放的比例，是一个float类型或者一个shape为[1]，数据类型为float32的Tensor类型。
bias (float) - 缩放的偏置。
bias_after_scale (bool) - 判断在缩放之前或之后添加偏置。为True时，先缩放再偏置；为False时，先偏置再缩放。该参数在某些情况下，对数值稳定性很有用。
act (str，可选) - 应用于输出的激活函数，如tanh、softmax、sigmoid、relu等。
name (str，可选) - 具体用法请参见 Name ，一般无需设置，默认值为None。

返回: Tensor，缩放后的计算结果。

代码示例：

# scale as a float32 number
import paddle

data = paddle.randn(shape=[2,3], dtype='float32')
res = paddle.scale(data, scale=2.0, bias=1.0)

# scale with parameter scale as a Tensor
import paddle

data = paddle.randn(shape=[2, 3], dtype='float32')
factor = paddle.to_tensor([2], dtype='float32')
res = paddle.scale(data, scale=factor, bias=1.0)

PaddlePaddle

paddle / scale

scale¶

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 / scale

scale¶