sum

paddle.fluid.layers.sum(x)[源代码]

该OP用于对输入的一至多个Tensor或LoDTensor求和。如果输入的是LoDTensor,输出仅与第一个输入共享LoD信息(序列信息)。

例1:

输入:
    input.shape = [2, 3]
    input = [[1, 2, 3],
              [4, 5, 6]]

输出:
    output.shape = [2, 3]
    output = [[1, 2, 3],
              [4, 5, 6]]

例2:

输入:
    第一个输入:
        input1.shape = [2, 3]
        input1 = [[1, 2, 3],
                  [4, 5, 6]]

    第二个输入:
        input2.shape = [2, 3]
        input2 = [[7, 8, 9],
                  [10, 11, 12]]

输出:
    output.shape = [2, 3]
    output = [[8, 10, 12],
              [14, 16, 18]]
参数:
x (Variable|list(Variable)) - 输入的一至多个Variable。如果输入了多个Variable,则不同Variable间的shape和数据类型应保持一致。Variable为多维Tensor或LoDTensor,数据类型支持:float32,float64,int32,int64

返回:对输入 x 中的Variable求和后的结果,shape和数据类型与 x 一致

返回类型:Variable

代码示例:

import paddle.fluid as fluid
input0 = fluid.layers.fill_constant(shape=[2, 3], dtype='int64', value=5)
input1 = fluid.layers.fill_constant(shape=[2, 3], dtype='int64', value=3)
sum = fluid.layers.sum([input0, input1])

#用户可以通过executor打印出求和的结果
out = fluid.layers.Print(sum, message="the sum of input0 and input1: ")
exe = fluid.Executor(fluid.CPUPlace())
exe.run(fluid.default_main_program())

#打印出的数据为:
1570701754      the sum of input0 and input1:   The place is:CPUPlace
Tensor[sum_0.tmp_0]
        shape: [2,3,]
        dtype: l
        data: 8,8,8,8,8,8,

#输出了shape为[2,3]的Tensor,与输入的shape一致
#dtype为对应C++数据类型,在不同环境下可能显示值不同,但本质相同
#例如:如果Tensor中数据类型是int64,则对应的C++数据类型为int64_t,所以dtype值为typeid(int64_t).name(),
#      其在MacOS下为'x',linux下为'l',Windows下为'__int64',都表示64位整型变量