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：

elementwise_mod - 图1

  • elementwise_mod - 图2

    ：多维Tensor。

  • elementwise_mod - 图3

    ：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：

  1. elementwise_mod - 图4

    的 shape 与

    elementwise_mod - 图5

    相同。

  2. elementwise_mod - 图6

    的 shape 是

    elementwise_mod - 图7

    的连续子序列。

对于情况2:

  1. 用 YY 匹配 XX 的形状（shape），其中 axis 是 YY 在 XX 上的起始维度的位置。

  2. 如果 axis 为-1（默认值），则 axis\=rank(X)−rank(Y)axis\=rank(X)−rank(Y) 。

  3. 考虑到子序列， YY 的大小为1的尾部维度将被忽略，例如shape（Y）=（2,1）=>（2）。

例如：

  1. shape(X) = (2, 3, 4, 5), shape(Y) = (,)
  2. shape(X) = (2, 3, 4, 5), shape(Y) = (5,)
  3. shape(X) = (2, 3, 4, 5), shape(Y) = (4, 5), with axis=-1(default) or axis=2
  4. shape(X) = (2, 3, 4, 5), shape(Y) = (3, 4), with axis=1
  5. shape(X) = (2, 3, 4, 5), shape(Y) = (2), with axis=0
  6. 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: relu tanh sigmoid 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

  1. import paddle.fluid as fluid
  2. import numpy as np
  3. def gen_data():
  4.     return {
  5.         "x": np.array([2, 3, 4]),
  6.         "y": np.array([1, 5, 2])
  7.     }
  9. x = fluid.data(name="x", shape=[3], dtype='int64')
  10. y = fluid.data(name="y", shape=[3], dtype='int64')
  11. z = fluid.layers.elementwise_mod(x, y)
  12. place = fluid.CPUPlace()
  13. exe = fluid.Executor(place)
  14. z_value = exe.run(feed=gen_data(), fetch_list=[z.name])
  15. print(z_value) #[0,3,0]

代码示例 2

  1. import paddle.fluid as fluid
  2. import numpy as np
  3. def gen_data():
  4.     return {
  5.         "x": np.random.randint(1, 5, size=[2, 3, 4, 5]),
  6.         "y": np.random.randint(1, 5, size=[3, 4])
  7.     }
  9. x = fluid.data(name="x", shape=[2,3,4,5], dtype='int64')
  10. y = fluid.data(name="y", shape=[3,4], dtype='int64')
  11. z = fluid.layers.elementwise_mod(x, y, axis=1)
  12. place = fluid.CPUPlace()
  13. exe = fluid.Executor(place)
  14. z_value = exe.run(feed=gen_data(),
  15.                     fetch_list=[z.name])
  16. print(z_value) # z.shape=[2,3,4,5]

代码示例 3

  1. import paddle.fluid as fluid
  2. import numpy as np
  3. def gen_data():
  4.     return {
  5.         "x": np.random.randint(1, 5, size=[2, 3, 4, 5]),
  6.         "y": np.random.randint(1, 5, size=[5])
  7.     }
  9. x = fluid.data(name="x", shape=[2,3,4,5], dtype='int64')
  10. y = fluid.data(name="y", shape=[5], dtype='int64')
  11. z = fluid.layers.elementwise_mod(x, y, axis=3)
  12. place = fluid.CPUPlace()
  13. exe = fluid.Executor(place)
  14. z_value = exe.run(feed=gen_data(),
  15.                     fetch_list=[z.name])
  16. print(z_value) # z.shape=[2,3,4,5]