elementwise_mod
paddle.fluid.layers.elementwise_mod
(x, y, axis=-1, act=None, name=None)[源代码]
该OP是逐元素取模算子,输入 x
与输入 y
逐元素取模,并将各个位置的输出元素保存到返回结果中。
等式为:
-
:多维Tensor。
-
:维度必须小于等于X维度的Tensor。
对于这个运算算子有2种情况:
-
的
shape
与相同。
-
的
shape
是的连续子序列。
对于情况2:
用
匹配
的形状(shape),其中
axis
是在
上的起始维度的位置。
如果
axis
为-1(默认值),则。
考虑到子序列,
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
或LoDTensor
。数据类型为float32
、float64
、int32
或int64
。- y (Variable)- 多维
Tensor
或LoDTensor
。数据类型为float32
、float64
、int32
或int64
。- 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 (str,可选)- 激活函数名称,作用于输出上。详细请参考 激活函数 , 常见的激活函数有:
relutanhsigmoid
等。如果为None则不添加激活函数。默认值为None。- name (str,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
维度与
x
相同的Tensor
或LoDTensor
,数据类型与x
相同。
返回类型
Variable。
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.data(name="x", shape=[3], dtype='int64')
y = fluid.data(name="y", shape=[3], dtype='int64')
z = fluid.layers.elementwise_mod(x, y)
place = fluid.CPUPlace()
exe = fluid.Executor(place)
z_value = exe.run(feed=gen_data(), fetch_list=[z.name])
print(z_value) #[0,3,0]
代码示例 2
import paddle.fluid as fluid
import numpy as np
def gen_data():
return {
"x": np.random.randint(1, 5, size=[2, 3, 4, 5]),
"y": np.random.randint(1, 5, size=[3, 4])
}
x = fluid.data(name="x", shape=[2,3,4,5], dtype='int64')
y = fluid.data(name="y", shape=[3,4], dtype='int64')
z = fluid.layers.elementwise_mod(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) # z.shape=[2,3,4,5]
代码示例 3
import paddle.fluid as fluid
import numpy as np
def gen_data():
return {
"x": np.random.randint(1, 5, size=[2, 3, 4, 5]),
"y": np.random.randint(1, 5, size=[5])
}
x = fluid.data(name="x", shape=[2,3,4,5], dtype='int64')
y = fluid.data(name="y", shape=[5], dtype='int64')
z = fluid.layers.elementwise_mod(x, y, axis=3)
place = fluid.CPUPlace()
exe = fluid.Executor(place)
z_value = exe.run(feed=gen_data(),
fetch_list=[z.name])
print(z_value) # z.shape=[2,3,4,5]