elementwise_max

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

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

等式是:

\[Out = max(X, Y)\]
  • \(X\) :多维Tensor。
  • \(Y\) :多维Tensor。
此运算算子有两种情况:
  1. \(Y\)shape\(X\) 相同。
  2. \(Y\)shape\(X\) 的连续子序列。
对于情况2:
  1. \(Y\)shape 匹配 \(X\)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Tensor。数据类型为 float32float64int32int64
  • y (Variable)- 多维Tensor。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 (string, 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 (string, 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: 维度和数据类型与 x 相同的多维Tensor。

返回类型: 多维Tensor。

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_max(x, y)

place = fluid.CPUPlace()
exe = fluid.Executor(place)
z_value = exe.run(feed=gen_data(),
                    fetch_list=[z.name])

print(z_value) #[2, 5, 4]

代码示例 2

import paddle.fluid as fluid
import numpy as np

def gen_data():
    return {
        "x": np.ones((2, 3, 4, 5)).astype('float32'),
        "y": np.zeros((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_max(x, y, axis=1)

place = fluid.CPUPlace()
exe = fluid.Executor(place)

z_value = exe.run(feed=gen_data(),
                    fetch_list=[z.name])

print(z_value)#[[[[1., 1., 1., 1., 1.] .... [1., 1., 1., 1., 1.]]]]