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：

1. 

   的 shape 与

   

   相同。

2. 

   的 shape 是

   

   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：

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: 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

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]