paddle

paddle 目录下包含 tensor、device、framework 相关 API 以及某些高层 API。具体如下：

tensor 数学操作

API 名称

API 功能

绝对值函数

相位角函数

arccosine 函数

Tensor 逐元素相加

对输入的一至多个 Tensor 求和

计算输入 Tensor x 和 y 的乘积，将结果乘以标量 alpha，再加上 input 与 beta 的乘积，得到输出

对指定维度上的 Tensor 元素进行逻辑与运算

逐个检查输入 Tensor x 和 y 的所有元素是否均满足 ∣x−y∣≤atol+rtol×∣y∣

逐个检查输入 Tensor x 和 y 的所有元素是否满足 ∣x−y∣≤atol+rtol×∣y∣

对指定维度上的 Tensor 元素进行逻辑或运算

arcsine 函数

arctangent 函数

arctangent2 函数

向上取整运算函数

将输入的所有元素进行剪裁，使得输出元素限制在[min, max]内

逐元素计算 Tensor 的共轭运算

余弦函数

双曲余弦函数

按照元素计算两个输入 Tensor 的 copysign 大小，由数值和符号组成，其数值部分来自于第一个 Tensor 中的元素，符号部分来自于第二个 Tensor 中的元素。

沿给定的轴 axis 统计非零元素的数量

沿给定 axis 计算 Tensor x 的累加和

沿给定 axis 计算 Tensor x 的累计最大值

沿给定 axis 计算 Tensor x 的累计最小值

沿给定 dim 计算 Tensor x 的累乘

逐元素计算输入 x 的 digamma 函数值

逐元素相除算子

返回 x==y 逐元素比较 x 和 y 是否相等，相同位置的元素相同则返回 True，否则返回 False

如果所有相同位置的元素相同返回 True，否则返回 False

逐元素计算 Erf 激活函数

逐元素进行以自然数 e 为底指数运算

逐元素进行 exp(x)-1 运算

向下取整函数

逐元素整除算子，输入 x 与输入 y 逐元素整除，并将各个位置的输出元素保存到返回结果中

返回 x 与 y 逐元素的最大值构成的新 Tensor，若遇任一 NaN，取另一值；两 NaN 则取首 NaN

返回 x 与 y 逐元素的最小值构成的新 Tensor，若遇任一 NaN，取另一值；两 NaN 则取首 NaN

计算正则化上不完全伽玛函数

计算正则化下不完全伽玛函数

逐元素计算输入 x 的伽马函数的绝对值的自然对数

逐元素地返回 x>=y 的逻辑值

逐元素地返回 x>y 的逻辑值

逐元素地对 x 计算由 y 中的对应元素决定的赫维赛德阶跃函数

在控制流程中用来让 x 的数值增加 value

计算两个 Tensor 的克罗内克积

逐元素地返回 x<=y 的逻辑值

逐元素地返回 x<y 的逻辑值

计算输入 x 的 gamma 函数的自然对数并返回

Log 激活函数（计算自然对数）

Log10 激活函数（计算底为 10 的对数）

计算 Log1p（加一的自然对数）结果

计算 x 和 y 的以 e 为底的指数的和的自然对数

计算 x 的指数的前缀和的对数

逐元素的对 x 和 y 进行逻辑与运算

逐元素的对 X Tensor 进行逻辑非运算

逐元素的对 X 和 Y 进行逻辑或运算

逐元素的对 X 和 Y 进行逻辑异或运算

计算 logit 结果

返回区间 \([base^{start}, base^{stop}]\) 内固定数量的对数均匀分布的值

逐元素的对 x 和 y 进行按位与运算

逐元素的对 X Tensor 进行按位取反运算

逐元素的对 X 和 Y 进行按位或运算

逐元素的对 X 和 Y 进行按位异或运算

逐元素的对 X 和 Y 进行按位算术(或逻辑)左移

逐元素的对 X 和 Y 进行按位算术(或逻辑)右移

沿着 axis 计算 x 的以 e 为底的指数的和的自然对数

对指定维度上的 Tensor 元素求最大值运算

对指定维度上的 Tensor 元素求最大值运算

逐元素对比输入的两个 Tensor，并且把各个位置更大的元素保存到返回结果中

沿 axis 计算 x 的平均值

沿给定的轴 axis 计算 x 中元素的中位数

沿给定的轴 axis 忽略 NAN 元素计算 x 中元素的中位数

对指定维度上的 Tensor 元素求最小值运算

对指定维度上的 Tensor 元素求最小值运算

逐元素对比输入的两个 Tensor，并且把各个位置更小的元素保存到返回结果中

用于两个输入矩阵的相乘

计算两个输入矩阵的内积

计算两个输入矩阵的外积

从每个输入 Tensor 中选择特定行构造输出 Tensor

逐元素相乘算子

计算 x 乘以 2 的 y 次幂

计算多元伽马函数的对数

替换 x 中的 NaN、+inf、-inf 为指定值

沿给定的轴 axis 计算 x 中元素的分位数

沿 axis 计算 x 的平均值，且忽略掉 NaNs 值

沿给定的轴 axis 计算 x 中元素的分位数, 忽略元素中的 NaN

计算给定轴上的元素之和，并将非数字元素（NaNs）视为 0

计算输入 x 的相反数并返回

逐元素将 x 之后的下一个浮点值返回

逐元素地返回 x!=y 的逻辑值

指数算子，逐元素计算 x 的 y 次幂

对指定维度上的 Tensor 元素进行求乘积运算

对输入 Tensor 取倒数

将输入中的数值四舍五入到最接近的整数数值

rsqrt 激活函数

缩放算子

对输入 x 中每个元素进行正负判断

对输入 x 的每个元素符号位进行判断

对输入 x 中每个元素进行正负判断，对于复数则输出单位向量

计算输入的正弦值

计算输入的归一化 sinc 值

双曲正弦函数

计算输入的算数平方根

逐元素取平方运算

stanh 激活函数

沿给定的轴 axis 计算 x 中元素的标准差

逐元素相减算子

逐元素取模算子

对指定维度上的 Tensor 元素进行求和运算

三角函数 tangent

tanh 激活函数

计算输入 Tensor 在指定平面上的对角线元素之和

沿给定的轴 axis 计算 x 中元素的方差

根据给定的轴 axis 返回输入 Tensor 的局部视图

对输入 Tensor 每个元素的小数部分进行截断

得到输入 Tensor 每个元素的小数部分

计算 Log1p（加一的自然对数）结果

根据 axis 和 index 获取输入 Tensor 的对应元素

根据 axis 和 index 放置 value 值至输入 Tensor

基于给定的 weight 计算 x 与 y 的线性插值

沿着指定维度对输入 Tensor 计算 n 阶的前向差值

将元素从弧度的角度转换为度

将元素从度的角度转换为弧度

计算两个输入的按元素绝对值的最大公约数

计算两个输入的按元素绝对值的最小公倍数

计算输入 Tensor 的逆误差函数

反双曲余弦函数

反双曲正弦函数

反双曲正切函数

输出给定索引处的输入元素，结果与 index 的形状相同

用于把一个浮点数分解为尾数和指数的函数

在指定维度上对输入实现 trapezoid rule 算法。使用累积求和函数 sum

在指定维度上对输入实现 trapezoid rule 算法。使用累积求和函数 cumsum

对输入 Tensor 每个元素计算第一类零阶修正贝塞尔函数

对输入 Tensor 每个元素计算第一类指数缩放的零阶修正贝塞尔函数

对输入 Tensor 每个元素计算第一类一阶修正贝塞尔函数

对输入 Tensor 每个元素计算第一类指数缩放的一阶修正贝塞尔函数

对输入 Tensor 每个元素计算多伽马函数

对输入 直角三角形的直角边 Tensor x, y， 计算其斜边

对输入 Tensor 计算长度为 r 的情况下的所有组合

根据 axis 和 index（整数） 填充 value 值至输入 Tensor

对 x 在某些维度上求和，使其结果与 target 的 shape 一致

tensor 数学操作原位（inplace）版本

API 名称

API 功能

Inplace 版本的 remainder API，对输入 x 采用 Inplace 策略

Inplace 版本的 abs API，对输入 x 采用 Inplace 策略

Inplace 版本的 bernoulli API，对输入 x 采用 Inplace 策略

Inplace 版本的 tanh API，对输入 x 采用 Inplace 策略

Inplace 版本的 erf API，对输入 x 采用 Inplace 策略

Inplace 版本的 erfinv API，对输入 x 采用 Inplace 策略

Inplace 版本的 add API，对输入 x 采用 Inplace 策略

Inplace 版本的 put_along_axis API，对输入 x 采用 Inplace 策略

Inplace 版本的 ceil API，对输入 x 采用 Inplace 策略

Inplace 版本的 clip API，对输入 x 采用 Inplace 策略

Inplace 版本的 copysign API，对输入 x 采用 Inplace 策略

Inplace 版本的 exp API，对输入 x 采用 Inplace 策略

Inplace 版本的 expm1 API，对输入 x 采用 Inplace 策略

Inplace 版本的 flatten API，对输入 x 采用 Inplace 策略

Inplace 版本的 floor API，对输入 x 采用 Inplace 策略

Inplace 版本的 gammaincc API，对输入 x 采用 Inplace 策略

Inplace 版本的 gammainc API，对输入 x 采用 Inplace 策略

Inplace 版本的 gammaln API，对输入 x 采用 Inplace 策略

Inplace 版本的 reciprocal API，对输入 x 采用 Inplace 策略

Inplace 版本的 round API，对输入 x 采用 Inplace 策略

Inplace 版本的 rsqrt API，对输入 x 采用 Inplace 策略

Inplace 版本的 scale API，对输入 x 采用 Inplace 策略

Inplace 版本的 sqrt API，对输入 x 采用 Inplace 策略

Inplace 版本的 square API，对输入 x 采用 Inplace 策略

Inplace 版本的 sin API，对输入 x 采用 Inplace 策略

Inplace 版本的 sinc API，对输入 x 采用 Inplace 策略

Inplace 版本的 sinh API，对输入 x 采用 Inplace 策略

Inplace 版本的 subtract API，对输入 x 采用 Inplace 策略

Inplace 版本的 tan API，对输入 x 采用 Inplace 策略

Inplace 版本的 cos API，对输入 x 采用 Inplace 策略

Inplace 版本的 atan API，对输入 x 采用 Inplace 策略

Inplace 版本的 acos API，对输入 x 采用 Inplace 策略

Inplace 版本的 uniform API，对输入 x 采用 Inplace 策略

Inplace 版本的 lerp API，对输入 x 采用 Inplace 策略

Inplace 版本的 hypot API，对输入 x 采用 Inplace 策略

Inplace 版本的 multigammaln API，对输入 x 采用 Inplace 策略

Inplace 版本的 masked_fill API，对输入 x 采用 Inplace 策略

Inplace 版本的 masked_scatter API，对输入 x 采用 Inplace 策略

Inplace 版本的 index_fill API，对输入 x 采用 Inplace 策略

Inplace 版本的 bitwise_left_shift API，对输入 x 采用 Inplace 策略

Inplace 版本的 bitwise_right_shift API，对输入 x 采用 Inplace 策略

Inplace 版本的 log_normal API，对输入 x 采用 Inplace 策略

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 ）

测试输入 x 的每一个值是否在 test_x 中

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

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 -INF

返回输入 tensor 的每一个值是否为实数类型

tensor 属性相关

API 名称

API 功能

返回一个 iinfo 对象，该对象包含了输入的整数类 paddle.dtype 的各种相关的数值信息

返回一个 finfo 对象，该对象包含了输入的整数类 paddle.dtype 的各种相关的数值信息

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

判断输入 tensor 的数据类型是否为复数类型

判断输入 tensor 的数据类型是否为整数类型

返回对 x_shape 大小的 Tensor 和 y_shape 大小的 Tensor 做 broadcast 操作后得到的 shape

判断输入 Tensor 的数据类型是否为浮点类型

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 Tensor），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 Tensor），则提取 x 的对角线元素，以 1-D Tensor 返回。

创建一个 Tensor，其在指定的 2D 平面（由 dim1 和 dim2 指定）上的对角线由输入 input 填充

如果 x 是一维 Tensor，则返回带有 x 元素作为对角线的二维方阵；如果 x 是大于等于二维的 Tensor，则返回一个二维 Tensor，其对角线元素为 x 在连续维度展开得到的一维 Tensor 的元素。

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 Tensor 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

将 paddle Tensor 转化为 python list

创建形状为 shape 、数据类型为 dtype 且值全为 0 的 Tensor

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

给定实部和虚部，返回一个复数 Tensor

创建一个参数,该参数是一个可学习的变量, 拥有梯度并且可优化

对输入 Tensor x 进行拷贝，并返回一个新的 Tensor，并且该操作提供梯度回传

一个 reader 的装饰器。返回的 reader 将输入 reader 的数据打包成指定的 batch_size 大小的批处理数据（不推荐使用）

对于给定的模 abs 和相位角 angle，返回一个对应复平面上的坐标复数 Tensor

生成范德蒙德矩阵。

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 count 为总实验次数， prob 为实验成功的概率，生成一个二项分布的 Tensor

返回符合对数正态分布（对应正态分布的均值为 mean ，标准差为 std）的随机 Tensor

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

返回一个和 x 具有相同形状的服从均匀分布的、范围在[low, high)的随机 Tensor，数据类型为 dtype 或者和 x 相同。

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

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，形状为 shape，数据类型为 dtype

返回服从泊松分布的随机 Tensor，输出 Tensor 的形状和数据类型与输入 x 相同

tensor 线性代数相关

API 名称

API 功能

统计输入 Tensor 中元素的出现次数

对输入 x 及输入 y 进行矩阵相乘

计算 Tensor x 和 y 在 axis 维度上的向量积（叉积）

计算 (x-y) 的 p 范数（p-norm）

计算向量的内积

计算输入 Tensor 的直方图

计算输入多维 Tensor 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

返回行数和列数已知的二维矩阵中下三角矩阵元素的行列坐标

返回输入矩阵 input 的上三角部分，其余部分被设为 0

返回输入矩阵在给定对角线右上三角部分元素坐标

计算两组输入集合 x, y 中每对之间的 p 范数

计算输入形状为 N x M 的 Tensor 中 N 个向量两两组合(pairwise)的 p 范数

计算沿轴的 p 范数

tensor 元素操作相关（如：转置，reshape 等）

API 名称

API 功能

根据 shape 指定的形状广播 x ，广播后， x 的形状和 shape 指定的形状一致

对一组输入 Tensor 进行广播操作, 输入应符合广播规范

将输入的 x 的数据类型转换为 dtype 并输出

将输入 Tensor 分割成多个子 Tensor

对输入沿 axis 轴进行联结，返回一个新的 Tensor

根据偏移量（offsets）和形状（shape），裁剪输入（x）Tensor

根据 shape 指定的形状扩展 x ，扩展后， x 的形状和 shape 指定的形状一致

根据 y 的形状扩展 x ，扩展后， x 的形状和 y 的形状相同

根据给定的 start_axis 和 stop_axis 将连续的维度展平

沿指定轴反转 n 维 tensor

沿 axes 指定的平面将 n 维 tensor 旋转 90 度 k 次

根据索引 index 获取输入 x 的指定 axis 维度的条目，并将它们拼接在一起

paddle.gather 的高维推广

在保持输入 x 数据不变的情况下，改变 x 的形状

将输入转换为张量并返回至少为 1 维的视图

将输入转换为张量并返回至少为 2 维的视图

将输入转换为张量并返回至少为 3 维的视图

沿着指定维度 axis 对输入 x 进行循环滚动，当元素移动到最后位置时，会从第一个位置重新插入

通过基于 updates 来更新选定索引 index 上的输入来获得输出

根据 index ，将 updates 添加到一个新的张量中，从而得到输出的 Tensor

通过对 Tensor 中的单个值或切片应用稀疏加法，从而得到输出的 Tensor

根据分片（shard）的偏移量重新计算分片的索引

沿多个轴生成 input 的切片

沿着 axes 将 value 矩阵的值嵌入到 x 矩阵

将输入 Tensor 分割成多个子 Tensor

将输入 Tensor 分割成多个子 Tensor，允许不等分

将输入 Tensor 沿第零个维度分割成多个子 Tensor

将输入 Tensor 沿第一个维度分割成多个子 Tensor

将输入 Tensor 沿第二个维度分割成多个子 Tensor

删除输入 Tensor 的 Shape 中尺寸为 1 的维度

沿 axis 轴对输入 x 进行堆叠操作

沿多个轴生成 x 的切片

根据参数 repeat_times 对输入 x 的各维度进行复制

根据 perm 对输入的多维 Tensor 进行数据重排

移动 Tensor 的轴，根据移动之后的轴对输入的多维 Tensor 进行数据重排

沿多个轴对输入的 x 和 y 进行 Tensor 缩并操作

将输入 Tensor 按照指定的维度分割成多个子 Tensor

返回 Tensor 按升序排序后的独有元素

返回无连续重复元素的 Tensor

向输入 Tensor 的 Shape 中一个或多个位置（axis）插入尺寸为 1 的维度

将单个 dim 为 D 的 Tensor 沿 axis 轴 unpack 为 num 个 dim 为 (D-1) 的 Tensor

将实数 Tensor 转为复数 Tensor

将复数 Tensor 转为实数 Tensor

沿 axis 轴对输入 x 的元素进行复制

沿着指定轴 axis 将 index 中指定位置的 x 与 value 相加，并写入到结果 Tensor 中的对应位置

构造一个与 x 完全相同的 Tensor，并依据 indices 中指定的索引将 value 的值对应的放置其中，随后输出

将输入 Tensor 沿指定轴 axis 上的维度展成 shape 形状

使用特定的 shape、stride、offset，返回 x 的一个 view Tensor

使用特定的 shape 或者 dtype，返回 x 的一个 view Tensor

使用 other 的 shape，返回 x 的一个 view Tensor

返回 x 的一个 view Tensor。以滑动窗口式提取 x 的值

根据 mask 信息，将 value 中的值填充到 x 中 mask 对应为 True 的位置。

根据 mask 信息，将 value 中的值逐个填充到 x 中 mask 对应为 True 的位置。

根据给定的轴 axis 和偏移量 offset，将张量 y 的值填充到张量 x 中

沿着指定轴 axis 将 index 中指定位置的 x 的值填充为 value

沿水平轴堆叠输入 x 中的所有张量。

沿垂直轴堆叠输入 x 中的所有张量。

沿水平轴堆叠输入 x 中的所有张量。

沿垂直轴堆叠输入 x 中的所有张量。

沿深度轴堆叠输入 x 中的所有张量。

tensor 元素操作相关原位（inplace）版本

API 名称

API 功能

Inplace 版本的 index_add API，对输入 x 采用 Inplace 策略

依据索引 indices ，将指定位置的 x 重新赋值为 value

Inplace 版本的 reshape API，对输入 x 采用 Inplace 策略

Inplace 版本的 scatter API，对输入 x 采用 Inplace 策略

Inplace 版本的 squeeze API，对输入 x 采用 Inplace 策略

Inplace 版本的 unsqueeze API，对输入 x 采用 Inplace 策略

爱因斯坦求和

API 名称

API 功能

根据爱因斯坦标记对多个 Tensor 进行爱因斯坦求和

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 的 GPU 设备

通过数据并行模式执行动态图模型

一个设备描述符，指 NCPUPlace 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

关闭 Paddle 系统信号处理方法

关闭静态图模式

创建一个上下文来启用动态图梯度计算

开启静态图模式

得到当前全局的 dtype

获取指定设备的随机数生成器的所有随机状态。

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

用于设置模型（继承自 paddle.nn.Layer ） 中参数延迟初始化的上下文管理器

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。

设置默认的全局设备生成器状态。

创建启用或禁用动态图梯度计算的上下文

判断当前动态图下是否启用了计算梯度模式。

设置 paddle 中 Tensor 的打印配置选项

device 相关

API 名称

API 功能

获取 cuda 随机数生成器的状态信息

设置 cuda 随机数生成器的状态信息

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

环境变量 FLAGS 相关

API 名称

API 功能

获取指定的 Paddle 环境变量 FLAGS 状态。详情请查看 环境变量 FLAGS

设置 Paddle 环境变量 FLAGS，详情请查看 环境变量 FLAGS