sum

paddle.fluid.layers. sum ( x ) [源代码]

该OP用于对输入的一至多个Tensor或LoDTensor求和。如果输入的是LoDTensor，输出仅与第一个输入共享LoD信息（序列信息）。

例1：

  1. 输入：
  2.     input.shape = [2, 3]
  3.     input = [[1, 2, 3],
  4.               [4, 5, 6]]
  6. 输出：
  7.     output.shape = [2, 3]
  8.     output = [[1, 2, 3],
  9.               [4, 5, 6]]

例2：

  1. 输入：
  2.     第一个输入：
  3.         input1.shape = [2, 3]
  4.         input1 = [[1, 2, 3],
  5.                   [4, 5, 6]]
  7.     第二个输入：
  8.         input2.shape = [2, 3]
  9.         input2 = [[7, 8, 9],
  10.                   [10, 11, 12]]
  12. 输出：
  13.     output.shape = [2, 3]
  14.     output = [[8, 10, 12],
  15.               [14, 16, 18]]

参数：

x (Variable|list(Variable)) - 输入的一至多个Variable。如果输入了多个Variable，则不同Variable间的shape和数据类型应保持一致。Variable为多维Tensor或LoDTensor，数据类型支持：float32，float64，int32，int64

返回：对输入 x 中的Variable求和后的结果，shape和数据类型与 x 一致

返回类型：Variable

代码示例：

  1. import paddle.fluid as fluid
  2. input0 = fluid.layers.fill_constant(shape=[2, 3], dtype='int64', value=5)
  3. input1 = fluid.layers.fill_constant(shape=[2, 3], dtype='int64', value=3)
  4. sum = fluid.layers.sum([input0, input1])
  6. #用户可以通过executor打印出求和的结果
  7. out = fluid.layers.Print(sum, message="the sum of input0 and input1: ")
  8. exe = fluid.Executor(fluid.CPUPlace())
  9. exe.run(fluid.default_main_program())
  11. #打印出的数据为：
  12. 1570701754      the sum of input0 and input1:   The place is:CPUPlace
  13. Tensor[sum_0.tmp_0]
  14.         shape: [2,3,]
  15.         dtype: l
  16.         data: 8,8,8,8,8,8,
  18. #输出了shape为[2,3]的Tensor，与输入的shape一致
  19. #dtype为对应C++数据类型，在不同环境下可能显示值不同，但本质相同
  20. #例如：如果Tensor中数据类型是int64，则对应的C++数据类型为int64_t，所以dtype值为typeid(int64_t).name()，
  21. #      其在MacOS下为'x'，linux下为'l'，Windows下为'__int64'，都表示64位整型变量