scale

paddle.fluid.layers.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:

scale - 图1

bias_after_scale 为False:

scale - 图2

参数

  • x (Variable) - 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|Variable) - 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Variable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

缩放后的输出Tensor。

返回类型

Variable(Tensor|LoDTensor)。

代码示例

  1. import paddle.fluid as fluid
  2. import numpy as np
  3. inputs = fluid.layers.data(name="x", shape=[2, 3], dtype='float32')
  4. output = fluid.layers.scale(inputs, scale = 2.0, bias = 1.0)
  5. exe = fluid.Executor(fluid.CPUPlace())
  6. exe.run(fluid.default_startup_program())
  7. img = np.array([[1, 2, 3], [4, 5, 6]]).astype(np.float32)
  8. res = exe.run(fluid.default_main_program(), feed={'x':img}, fetch_list=[output])
  9. print(res) # [array([[ 3., 5., 7.], [ 9., 11., 13.]], dtype=float32)]
  1. # scale with parameter scale as Variable
  2. import paddle.fluid as fluid
  3. import numpy as np
  4. inputs = fluid.layers.data(name="x", shape=[2, 3], dtype='float32')
  5. scale = fluid.layers.data(name="scale", shape=[1], dtype='float32'
  6. append_batch_size=False)
  7. output = fluid.layers.scale(inputs, scale = scale, bias = 1.0)
  8. exe = fluid.Executor(fluid.CPUPlace())
  9. exe.run(fluid.default_startup_program())
  10. img = np.array([[1, 2, 3], [4, 5, 6]]).astype(np.float32)
  11. scale_np = np.array([2.]).astype(np.float32)
  12. res = exe.run(fluid.default_main_program(), feed={'x':img, 'scale':scale_np}, fetch_list=[output])
  13. print(res) # [array([[ 3., 5., 7.], [ 9., 11., 13.]], dtype=float32)]