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

arccosine函数

Tensor逐元素相加

对输入的一至多个Tensor或LoDTensor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∣

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

沿给定 axis 计算张量 x 的累加和

沿给定 dim 计算张量 x 的累乘

逐元素计算输入x的digamma函数值

逐元素相除算子

该OP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

逐元素地返回 x>=y 的逻辑值

逐元素地返回 x>y 的逻辑值

在控制流程中用来让 x 的数值增加 value

计算两个张量的克罗内克积

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

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

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

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

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

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

从每个输入Tensor中选择特定行构造输出Tensor

逐元素相乘算子

计算输入 x 的相反数并返回

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

计算输入的正弦值

双曲正弦函数

计算输入的算数平方根

该OP执行逐元素取平方运算

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

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

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

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

该OP计算Log1p（加一的自然对数）结果

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 ）

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

tensor属性相关

API名称

API功能

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

返回对x_shape大小的张量和y_shape大小的张量做broadcast操作后得到的shape

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张量），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张量），则提取 x 的对角线元素，以1-D张量返回。

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

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

对每个张量做扩充操作

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

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

该OP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

paddle.create_parameter

该OP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

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)

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 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

tensor线性代数相关

API名称

API功能

统计输入张量中元素的出现次数

对输入x及输入y进行矩阵相乘

计算张量 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

计算输入张量的直方图

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

返回输入矩阵 input 的上三角部分，其余部分被设为0

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

根据索引 index 获取输入 x 的指定 aixs 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

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

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

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

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

将输入Tensor分割成多个子Tensor

删除输入Tensor的Shape中尺寸为1的维度

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

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

沿多个轴对输入的x和y进行张量缩并操作

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

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

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

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

爱因斯坦求和

API名称

API功能

根据爱因斯坦标记对多个张量进行爱因斯坦求和

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 或 LoDTensor 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

开启静态图模式

得到当前全局的dtype

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

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。

创建启用或禁用动态图梯度计算的上下文

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

paddle.set_cuda_rng_state

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