Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
PaddlePaddle
FluidDoc
提交
d4adaa95
F
FluidDoc
项目概览
PaddlePaddle
/
FluidDoc
通知
4
Star
2
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
23
列表
看板
标记
里程碑
合并请求
111
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
F
FluidDoc
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
23
Issue
23
列表
看板
标记
里程碑
合并请求
111
合并请求
111
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
d4adaa95
编写于
2月 25, 2019
作者:
H
Hao Wang
提交者:
Cheerego
2月 25, 2019
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
[to 1.3] cn api debug (#655)
* debug * fix 2 -conv2d * "锚" ==> anchor(s)
上级
335f5cd5
变更
2
隐藏空白更改
内联
并排
Showing
2 changed file
with
143 addition
and
69 deletion
+143
-69
doc/fluid/api_cn/io_cn.rst
doc/fluid/api_cn/io_cn.rst
+15
-15
doc/fluid/api_cn/layers_cn.rst
doc/fluid/api_cn/layers_cn.rst
+128
-54
未找到文件。
doc/fluid/api_cn/io_cn.rst
浏览文件 @
d4adaa95
...
@@ -11,16 +11,16 @@ load_inference_model
...
@@ -11,16 +11,16 @@ load_inference_model
.. py:class:: paddle.fluid.io.load_inference_model(dirname, executor, model_filename=None, params_filename=None, pserver_endpoints=None)
.. py:class:: paddle.fluid.io.load_inference_model(dirname, executor, model_filename=None, params_filename=None, pserver_endpoints=None)
从指定目录中加载
推理
model(inference model)
从指定目录中加载
预测模型
model(inference model)
参数:
参数:
- **dirname** (str) – model的路径
- **dirname** (str) – model的路径
- **executor** (Executor) – 运行 inference model的 ``executor``
- **executor** (Executor) – 运行 inference model的 ``executor``
- **model_filename** (str|None) –
推理
Program 的文件名称。如果设置为None,将使用默认的文件名为: ``__model__``
- **model_filename** (str|None) –
存储着预测
Program 的文件名称。如果设置为None,将使用默认的文件名为: ``__model__``
- **params_filename** (str|None) – 加载所有相关参数的文件名称。如果设置为None,则参数将保存在单独的文件中。
- **params_filename** (str|None) – 加载所有相关参数的文件名称。如果设置为None,则参数将保存在单独的文件中。
- **pserver_endpoints** (list|None) – 只有在分布式
推理
时需要用到。 当在训练时使用分布式 look up table , 需要这个参数. 该参数是 pserver endpoints 的列表
- **pserver_endpoints** (list|None) – 只有在分布式
预测
时需要用到。 当在训练时使用分布式 look up table , 需要这个参数. 该参数是 pserver endpoints 的列表
返回: 这个函数的返回有三个元素的元组(Program,feed_target_names, fetch_targets)。Program 是一个 ``Program`` ,它是
推理 ``Program``。 ``feed_target_names`` 是一个str列表,它包含需要在推理 ``Program`` 中提供数据的变量的名称。`
`fetch_targets`` 是一个 ``Variable`` 列表,从中我们可以得到推断结果。
返回: 这个函数的返回有三个元素的元组(Program,feed_target_names, fetch_targets)。Program 是一个 ``Program`` ,它是
预测 ``Program``。 ``feed_target_names`` 是一个str列表,它包含需要在预测 ``Program`` 中提供数据的变量的名称。`
`fetch_targets`` 是一个 ``Variable`` 列表,从中我们可以得到推断结果。
返回类型:元组(tuple)
返回类型:元组(tuple)
...
@@ -39,7 +39,7 @@ load_inference_model
...
@@ -39,7 +39,7 @@ load_inference_model
fetch_list=fetch_targets)
fetch_list=fetch_targets)
# 在这个示例中,inference program 保存在 ./infer_model/__model__”中
# 在这个示例中,inference program 保存在 ./infer_model/__model__”中
# 参数保存在./infer_mode 单独的若干文件中
# 参数保存在./infer_mode 单独的若干文件中
# 加载 inference program 后, executor 使用 fetch_targets 和 feed_target_names 执行Program, 得到
推理
结果
# 加载 inference program 后, executor 使用 fetch_targets 和 feed_target_names 执行Program, 得到
预测
结果
...
@@ -71,13 +71,13 @@ load_params
...
@@ -71,13 +71,13 @@ load_params
**代码示例**
**代码示例**
.. code-block:: python
.. code-block:: python
exe = fluid.Executor(fluid.CPUPlace())
exe = fluid.Executor(fluid.CPUPlace())
param_path = "./my_paddle_model"
param_path = "./my_paddle_model"
prog = fluid.default_main_program()
prog = fluid.default_main_program()
fluid.io.load_params(executor=exe, dirname=param_path,
fluid.io.load_params(executor=exe, dirname=param_path,
main_program=None)
main_program=None)
...
@@ -184,19 +184,19 @@ save_inference_model
...
@@ -184,19 +184,19 @@ save_inference_model
.. py:class:: paddle.fluid.io.save_inference_model(dirname, feeded_var_names, target_vars, executor, main_program=None, model_filename=None, params_filename=None, export_for_deployment=True)
.. py:class:: paddle.fluid.io.save_inference_model(dirname, feeded_var_names, target_vars, executor, main_program=None, model_filename=None, params_filename=None, export_for_deployment=True)
修改指定的 ``main_program`` ,构建一个专门用
于推理
的 ``Program``,然后 ``executor`` 把它和所有相关参数保存到 ``dirname`` 中
修改指定的 ``main_program`` ,构建一个专门用
预测
的 ``Program``,然后 ``executor`` 把它和所有相关参数保存到 ``dirname`` 中
``dirname`` 用于指定保存变量的目录。如果变量保存在指定目录的若干文件中,设置文件名 None; 如果所有变量保存在一个文件中,请使用filename来指定它
``dirname`` 用于指定保存变量的目录。如果变量保存在指定目录的若干文件中,设置文件名 None; 如果所有变量保存在一个文件中,请使用filename来指定它
参数:
参数:
- **dirname** (str) – 保存
推理
model的路径
- **dirname** (str) – 保存
预测
model的路径
- **feeded_var_names** (list[str]) –
推理
(inference)需要 feed 的数据
- **feeded_var_names** (list[str]) –
预测
(inference)需要 feed 的数据
- **target_vars** (list[Variable]) – 保存
推理
(inference)结果的 Variables
- **target_vars** (list[Variable]) – 保存
预测
(inference)结果的 Variables
- **executor** (Executor) – executor 保存 inference model
- **executor** (Executor) – executor 保存 inference model
- **main_program** (Program|None) – 使用 ``main_program`` ,构建一个专门用于
推理
的 ``Program`` (inference model). 如果为None, 使用 ``default main program`` 默认: None.
- **main_program** (Program|None) – 使用 ``main_program`` ,构建一个专门用于
预测
的 ``Program`` (inference model). 如果为None, 使用 ``default main program`` 默认: None.
- **model_filename** (str|None) – 保存
推理P
rogram 的文件名称。如果设置为None,将使用默认的文件名为: ``__model__``
- **model_filename** (str|None) – 保存
预测P
rogram 的文件名称。如果设置为None,将使用默认的文件名为: ``__model__``
- **params_filename** (str|None) – 保存所有相关参数的文件名称。如果设置为None,则参数将保存在单独的文件中。
- **params_filename** (str|None) – 保存所有相关参数的文件名称。如果设置为None,则参数将保存在单独的文件中。
- **export_for_deployment** (bool) – 如果为真,Program将被修改为只支持直接
推理
部署的Program。否则,将存储更多的信息,方便优化和再训练。目前只支持True。
- **export_for_deployment** (bool) – 如果为真,Program将被修改为只支持直接
预测
部署的Program。否则,将存储更多的信息,方便优化和再训练。目前只支持True。
返回: None
返回: None
...
@@ -214,7 +214,7 @@ save_inference_model
...
@@ -214,7 +214,7 @@ save_inference_model
target_vars=[predict_var], executor=exe)
target_vars=[predict_var], executor=exe)
# 在这个示例中,函数将修改默认的主程序让它适合于推断‘predict_var’。修改的
# 在这个示例中,函数将修改默认的主程序让它适合于推断‘predict_var’。修改的
#
推理
Program 将被保存在 ./infer_model/__model__”中。
#
预测
Program 将被保存在 ./infer_model/__model__”中。
# 和参数将保存在文件夹下的单独文件中 ./infer_mode
# 和参数将保存在文件夹下的单独文件中 ./infer_mode
...
...
doc/fluid/api_cn/layers_cn.rst
浏览文件 @
d4adaa95
...
@@ -224,9 +224,9 @@ memory用于缓存分段数据。memory的初始值可以是零,也可以是
...
@@ -224,9 +224,9 @@ memory用于缓存分段数据。memory的初始值可以是零,也可以是
返回:可以访问的RNN的输入变量,。
返回:可以访问的RNN的输入变量,。
.. py:method:: block(
*args, **kwds
)
.. py:method:: block()
用户在RNN中定义operators的block。
有关详细信息,请参阅class ``docstring`` 。
用户在RNN中定义operators的block。
.. py:method:: memory(init=None, shape=None, value=0.0, need_reorder=False, dtype='float32')
.. py:method:: memory(init=None, shape=None, value=0.0, need_reorder=False, dtype='float32')
...
@@ -321,7 +321,7 @@ memory用于缓存分段数据。memory的初始值可以是零,也可以是
...
@@ -321,7 +321,7 @@ memory用于缓存分段数据。memory的初始值可以是零,也可以是
equal
equal
-------------------------------
-------------------------------
.. py:function:: paddle.fluid.layers.equal(x,y,cond=None
,**ignored
)
.. py:function:: paddle.fluid.layers.equal(x,y,cond=None)
**equal**
**equal**
该层返回 :math:`x==y` 按逐元素运算而得的真值。
该层返回 :math:`x==y` 按逐元素运算而得的真值。
...
@@ -437,7 +437,7 @@ increment
...
@@ -437,7 +437,7 @@ increment
is_empty
is_empty
-------------------------------
-------------------------------
.. py:function:: paddle.fluid.layers.is_empty(x, cond=None
, **ignored
)
.. py:function:: paddle.fluid.layers.is_empty(x, cond=None)
测试变量是否为空
测试变量是否为空
...
@@ -472,7 +472,7 @@ is_empty
...
@@ -472,7 +472,7 @@ is_empty
less_than
less_than
-------------------------------
-------------------------------
.. py:function:: paddle.fluid.layers.less_than(x, y, force_cpu=None, cond=None
, **ignored
)
.. py:function:: paddle.fluid.layers.less_than(x, y, force_cpu=None, cond=None)
该函数按元素出现顺序依次在X,Y上操作,并返回 ``Out`` ,它们三个都是n维tensor(张量)。
该函数按元素出现顺序依次在X,Y上操作,并返回 ``Out`` ,它们三个都是n维tensor(张量)。
...
@@ -2104,9 +2104,9 @@ conv2d
...
@@ -2104,9 +2104,9 @@ conv2d
- :math:`X` :输入值,NCHW格式的张量(Tensor)
- :math:`X` :输入值,NCHW格式的张量(Tensor)
- :math:`W` :滤波器值,MCHW格式的张量(Tensor)
- :math:`W` :滤波器值,MCHW格式的张量(Tensor)
- :math:`*` : 卷积操作
- :math:`*` : 卷积操作
- :math:`b` :Bias值,二维张量(Tensor),shape为
[M,1]
- :math:`b` :Bias值,二维张量(Tensor),shape为
``[M,1]``
- :math:`\sigma` :激活函数
- :math:`\sigma` :激活函数
- :math:`Out` :输出值,
*Out*和**X**
的shape可能不同
- :math:`Out` :输出值,
``Out`` 和 ``X``
的shape可能不同
**示例**
**示例**
...
@@ -2126,7 +2126,7 @@ conv2d
...
@@ -2126,7 +2126,7 @@ conv2d
H_{out} = \frac{\left ( H_{in}+2*paddings[0]-\left ( dilations[0]*\left ( H_{f}-1 \right )+1 \right ) \right )}{strides[0]}+1
H_{out} = \frac{\left ( H_{in}+2*paddings[0]-\left ( dilations[0]*\left ( H_{f}-1 \right )+1 \right ) \right )}{strides[0]}+1
W_{out} = \frac{\left (
H
_{in}+2*paddings[1]-\left ( dilations[1]*\left ( W_{f}-1 \right )+1 \right ) \right )}{strides[1]}+1
W_{out} = \frac{\left (
W
_{in}+2*paddings[1]-\left ( dilations[1]*\left ( W_{f}-1 \right )+1 \right ) \right )}{strides[1]}+1
参数:
参数:
- **input** (Variable) - 格式为[N,C,H,W]格式的输入图像
- **input** (Variable) - 格式为[N,C,H,W]格式的输入图像
...
@@ -2191,7 +2191,7 @@ conv2d_transpose
...
@@ -2191,7 +2191,7 @@ conv2d_transpose
- :math:`*` : 卷积操作
- :math:`*` : 卷积操作
- :math:`b` : 偏置(bias),二维张量,shape为 ``[
m
,1]``
- :math:`b` : 偏置(bias),二维张量,shape为 ``[
M
,1]``
- :math:`σ` : 激活函数
- :math:`σ` : 激活函数
...
@@ -2230,13 +2230,13 @@ conv2d_transpose
...
@@ -2230,13 +2230,13 @@ conv2d_transpose
- **filter_size** (int|tuple|None) - 滤波器大小。如果filter_size是一个tuple,则形式为(filter_size_H, filter_size_W)。否则,滤波器将是一个方阵。如果filter_size=None,则内部会计算输出大小。
- **filter_size** (int|tuple|None) - 滤波器大小。如果filter_size是一个tuple,则形式为(filter_size_H, filter_size_W)。否则,滤波器将是一个方阵。如果filter_size=None,则内部会计算输出大小。
- **padding** (int|tuple) - 填充大小。如果padding是一个元组,它必须包含两个整数(padding_H、padding_W)。否则,padding_H = padding_W = padding。默认:padding = 0。
- **padding** (int|tuple) - 填充大小。如果padding是一个元组,它必须包含两个整数(padding_H、padding_W)。否则,padding_H = padding_W = padding。默认:padding = 0。
- **stride** (int|tuple) - 步长大小。如果stride是一个元组,那么元组的形式为(stride_H、stride_W)。否则,stride_H = stride_W = stride。默认:stride = 1。
- **stride** (int|tuple) - 步长大小。如果stride是一个元组,那么元组的形式为(stride_H、stride_W)。否则,stride_H = stride_W = stride。默认:stride = 1。
- **dilation** (int|元组) - 膨胀大小。如果dilation是一个元组,那么元组的形式为(dilation_H, dilation_W)。否则,dilation_H = dilation_W = dilation_W。默认:dilation= 1。
- **dilation** (int|元组) - 膨胀
(dilation)
大小。如果dilation是一个元组,那么元组的形式为(dilation_H, dilation_W)。否则,dilation_H = dilation_W = dilation_W。默认:dilation= 1。
- **groups** (int) - Conv2d转置层的groups个数。从Alex Krizhevsky的CNN Deep论文中的群卷积中受到启发,当group=2时,前半部分滤波器只连接到输入通道的前半部分,而后半部分滤波器只连接到输入通道的后半部分。默认值:group = 1。
- **groups** (int) - Conv2d转置层的groups个数。从Alex Krizhevsky的CNN Deep论文中的群卷积中受到启发,当group=2时,前半部分滤波器只连接到输入通道的前半部分,而后半部分滤波器只连接到输入通道的后半部分。默认值:group = 1。
- **param_attr** (ParamAttr|None) - conv2d_transfer中可学习参数/权重的属性。如果param_attr值为None或ParamAttr的一个属性,conv2d_transfer使用ParamAttrs作为param_attr的值。如果没有设置的param_attr初始化器,那么使用Xavier初始化。默认值:None。
- **param_attr** (ParamAttr|None) - conv2d_transfer中可学习参数/权重的属性。如果param_attr值为None或ParamAttr的一个属性,conv2d_transfer使用ParamAttrs作为param_attr的值。如果没有设置的param_attr初始化器,那么使用Xavier初始化。默认值:None。
- **bias_attr** (ParamAttr|bool|None) - conv2d_tran_bias中的bias属性。如果设置为False,则不会向输出单元添加偏置。如果param_attr值为None或ParamAttr的一个属性,将conv2d_transfer使用ParamAttrs作为,bias_attr。如果没有设置bias_attr的初始化器,bias将初始化为零。默认值:None。
- **bias_attr** (ParamAttr|bool|None) - conv2d_tran_bias中的bias属性。如果设置为False,则不会向输出单元添加偏置。如果param_attr值为None或ParamAttr的一个属性,将conv2d_transfer使用ParamAttrs作为,bias_attr。如果没有设置bias_attr的初始化器,bias将初始化为零。默认值:None。
- **use_cudnn** (bool) - 是否使用cudnn内核,只有已安装cudnn库时才有效。默认值:True。
- **use_cudnn** (bool) - 是否使用cudnn内核,只有已安装cudnn库时才有效。默认值:True。
- **act** (str) - 激活函数类型,如果设置为None,则不使用激活函数。默认值:None。
- **act** (str) - 激活函数类型,如果设置为None,则不使用激活函数。默认值:None。
-
**name** (str|None) - 该layer的名称(可选)。如果设置为None, 将自动命名该layer。默认值:True。
- **name** (str|None) - 该layer的名称(可选)。如果设置为None, 将自动命名该layer。默认值:True。
返回: 存储卷积转置结果的张量。
返回: 存储卷积转置结果的张量。
...
@@ -2283,9 +2283,9 @@ conv3d
...
@@ -2283,9 +2283,9 @@ conv3d
- :math:`X` :输入值,NCHW格式的张量(Tensor)
- :math:`X` :输入值,NCHW格式的张量(Tensor)
- :math:`W` :滤波器值,MCHW格式的张量(Tensor)
- :math:`W` :滤波器值,MCHW格式的张量(Tensor)
- :math:`*` : 卷积操作
- :math:`*` : 卷积操作
- :math:`b` :Bias值,二维张量(Tensor),形为
[M,1]
- :math:`b` :Bias值,二维张量(Tensor),形为
``[M,1]``
- :math:`\sigma` :激活函数
- :math:`\sigma` :激活函数
- :math:`Out` :输出值, 和
:math:`X
` 的形状可能不同
- :math:`Out` :输出值, 和
``X`
` 的形状可能不同
**示例**
**示例**
...
@@ -2368,7 +2368,7 @@ conv3d_transpose
...
@@ -2368,7 +2368,7 @@ conv3d_transpose
- :math:`*` : 卷积操作
- :math:`*` : 卷积操作
- :math:`b` : 偏置(bias),二维张量,shape为
[m,1]
- :math:`b` : 偏置(bias),二维张量,shape为
``[M,1]``
- :math:`σ` : 激活函数
- :math:`σ` : 激活函数
...
@@ -4428,11 +4428,11 @@ im2sequence
...
@@ -4428,11 +4428,11 @@ im2sequence
参数:
参数:
- **input** (Variable)- 输入张量,格式为[N, C, H, W]
- **input** (Variable)- 输入张量,格式为[N, C, H, W]
- **filter_size** (int|tuple|None) - 滤波器大小。如果filter_size是一个tuple,它必须包含两个整数(filter_size_H, filter_size_W)。否则,过滤器将是一个方阵。
- **filter_size** (int|tuple|None) - 滤波器大小。如果filter_size是一个tuple,它必须包含两个整数(filter_size_H, filter_size_W)。否则,过滤器将是一个方阵。
- **stride** (int|tuple) - 步长大小。如果stride是一个元组,它必须包含两个整数(stride_H、stride_W)。否则,stride_H = stride_W = stride。默认:stride = 1。
- **stride** (int|tuple) - 步长大小。如果stride是一个元组,它必须包含两个整数(stride_H、stride_W)。否则,stride_H = stride_W = stride。默认:stride = 1。
- **padding** (int|tuple) - 填充大小。如果padding是一个元组,它可以包含两个整数(padding_H, padding_W),这意味着padding_up = padding_down = padding_H和padding_left = padding_right = padding_W。或者它可以使用(padding_up, padding_left, padding_down, padding_right)来指示四个方向的填充。否则,标量填充意味着padding_up = padding_down = padding_left = padding_right = padding Default: padding = 0。
- **padding** (int|tuple) - 填充大小。如果padding是一个元组,它可以包含两个整数(padding_H, padding_W),这意味着padding_up = padding_down = padding_H和padding_left = padding_right = padding_W。或者它可以使用(padding_up, padding_left, padding_down, padding_right)来指示四个方向的填充。否则,标量填充意味着padding_up = padding_down = padding_left = padding_right = padding Default: padding = 0。
- **input_image_size** (Variable) - 输入包含图像的实际大小。它的维度为[batchsize,2]。该参数可有可无,是用于batch推理
。
- **input_image_size** (Variable) - 输入包含图像的实际大小。它的维度为[batchsize,2]。该参数可有可无,是用于batch上的预测
。
- **out_stride** (int|tuple) - 通过CNN缩放图像。它可有可无,只有当input_image_size不为空时才有效。如果out_stride是tuple,它必须包含(out_stride_H, out_stride_W),否则,out_stride_H = out_stride_W = out_stride。
- **out_stride** (int|tuple) - 通过CNN缩放图像。它可有可无,只有当input_image_size不为空时才有效。如果out_stride是tuple,它必须包含(out_stride_H, out_stride_W),否则,out_stride_H = out_stride_W = out_stride。
- **name** (int) - 该layer的名称,可以忽略。
- **name** (int) - 该layer的名称,可以忽略。
返回: LoDTensor shaoe为{batch_size * output_height * output_width, filter_size_H * filter_size_W * input.channels}。如果将输出看作一个矩阵,这个矩阵的每一行都是一个序列的step。
返回: LoDTensor shaoe为{batch_size * output_height * output_width, filter_size_H * filter_size_W * input.channels}。如果将输出看作一个矩阵,这个矩阵的每一行都是一个序列的step。
...
@@ -6082,7 +6082,7 @@ pooling2d操作符根据 ``input`` , 池化类型 ``pool_type`` , 池化核
...
@@ -6082,7 +6082,7 @@ pooling2d操作符根据 ``input`` , 池化类型 ``pool_type`` , 池化核
参数:
参数:
- **input** (Variable) - 池化操作的输入张量。输入张量格式为NCHW,N为批尺寸,C是通道数,H是特征高度,W是特征宽度
- **input** (Variable) - 池化操作的输入张量。输入张量格式为NCHW,N为批尺寸,C是通道数,H是特征高度,W是特征宽度
- **pool_size** (int|list|tuple) - 池化
窗口的大小。如果它是一个元组或列表,它必须包含两个整数值, (pool_size_Height, pool_size_Width)。否则它应是一个整数的平方值
。
- **pool_size** (int|list|tuple) - 池化
核的大小。如果它是一个元组或列表,它必须包含两个整数值, (pool_size_Height, pool_size_Width)。若为一个整数,则它的平方值将作为池化核大小,比如若pool_size=2, 则池化核大小为2x2
。
- **pool_type** (string) - 池化类型,可以是“max”对应max-pooling,“avg”对应average-pooling
- **pool_type** (string) - 池化类型,可以是“max”对应max-pooling,“avg”对应average-pooling
- **pool_stride** (int|list|tuple) - 池化层的步长。如果它是一个元组或列表,它将包含两个整数,(pool_stride_Height, pool_stride_Width)。否则它是一个整数的平方值。
- **pool_stride** (int|list|tuple) - 池化层的步长。如果它是一个元组或列表,它将包含两个整数,(pool_stride_Height, pool_stride_Width)。否则它是一个整数的平方值。
- **pool_padding** (int|list|tuple) - 填充大小。如果它是一个元组或列表,它必须包含两个整数值,(pool_padding_on_Height, pool_padding_on_Width)。否则它是一个整数的平方值。
- **pool_padding** (int|list|tuple) - 填充大小。如果它是一个元组或列表,它必须包含两个整数值,(pool_padding_on_Height, pool_padding_on_Width)。否则它是一个整数的平方值。
...
@@ -6215,8 +6215,13 @@ prelu
...
@@ -6215,8 +6215,13 @@ prelu
返回类型: 变量(Variable)
返回类型: 变量(Variable)
**代码示例:**
.. code-block:: python
x = fluid.layers.data(name="x", shape=[10,10], dtype="float32")
mode = 'channel'
output = fluid.layers.prelu(x,mode)
.. _cn_api_fluid_layers_psroi_pool:
.. _cn_api_fluid_layers_psroi_pool:
...
@@ -8155,7 +8160,7 @@ sigmoid_cross_entropy_with_logits
...
@@ -8155,7 +8160,7 @@ sigmoid_cross_entropy_with_logits
.. py:function:: paddle.fluid.layers.sigmoid_cross_entropy_with_logits(x, label, name=None)
.. py:function:: paddle.fluid.layers.sigmoid_cross_entropy_with_logits(x, label, name=None)
在类别不相互独立的分类任务中,该函数可以衡量按元素
顺序
的可能性误差。可以这么认为,为单一数据点预测标签,它们之间不是完全互斥的关系。例如,一篇新闻文章可以同时关于政治,科技,体育或者同时不包含这些内容。
在类别不相互独立的分类任务中,该函数可以衡量按元素的可能性误差。可以这么认为,为单一数据点预测标签,它们之间不是完全互斥的关系。例如,一篇新闻文章可以同时关于政治,科技,体育或者同时不包含这些内容。
逻辑loss可通过下式计算:
逻辑loss可通过下式计算:
...
@@ -8177,7 +8182,7 @@ sigmoid_cross_entropy_with_logits
...
@@ -8177,7 +8182,7 @@ sigmoid_cross_entropy_with_logits
.. math::
.. math::
loss = max(X, 0) - X * Labels + log(1 + exp(-|X|))
loss = max(X, 0) - X * Labels + log(1 + exp(-|X|))
输入 ``X`` 和 ``label`` 都可以携带LoD信息。
当
输出仅采用输入 ``X`` 的LoD。
输入 ``X`` 和 ``label`` 都可以携带LoD信息。
然而
输出仅采用输入 ``X`` 的LoD。
...
@@ -9207,12 +9212,14 @@ abs
...
@@ -9207,12 +9212,14 @@ abs
.. py:function:: paddle.fluid.layers.abs(x, name=None)
.. py:function:: paddle.fluid.layers.abs(x, name=None)
绝对值运算激活函数。
.. math::
out = |x|
参数:
参数:
- **x** - abs运算符的输入
- **x** - abs运算符的输入
- **use_mkldnn** (bool) - (默认为false)仅在 ``mkldnn`` 内核中使用
返回: Abs运算符的输出。
返回: Abs运算符的输出。
...
@@ -9232,10 +9239,15 @@ ceil
...
@@ -9232,10 +9239,15 @@ ceil
.. py:function:: paddle.fluid.layers.ceil(x, name=None)
.. py:function:: paddle.fluid.layers.ceil(x, name=None)
天花板运算激活函数。
.. math::
out = \left \lceil x \right \rceil
参数:
参数:
- **x** - Ceil运算符的输入
- **x** - Ceil运算符的输入
- **use_mkldnn** (bool) - (默认为false)仅在 ``mkldnn`` 内核中使用
返回: Ceil运算符的输出。
返回: Ceil运算符的输出。
...
@@ -9255,11 +9267,17 @@ cos
...
@@ -9255,11 +9267,17 @@ cos
.. py:function:: paddle.fluid.layers.cos(x, name=None)
.. py:function:: paddle.fluid.layers.cos(x, name=None)
Cosine余弦激活函数。
.. math::
out = cos(x)
参数:
参数:
- **x** - cos运算符的输入
- **x** - cos运算符的输入
- **use_mkldnn** (bool) - (默认为false)仅在 ``mkldnn`` 内核中使用
返回: Cos运算符的输出
返回: Cos运算符的输出
...
@@ -9310,11 +9328,15 @@ exp
...
@@ -9310,11 +9328,15 @@ exp
-------------------------------
-------------------------------
.. py:function:: paddle.fluid.layers.exp(x, name=None)
.. py:function:: paddle.fluid.layers.exp(x, name=None)
Exp激活函数(Exp指以自然常数e为底的指数运算)。
.. math::
out = e^x
参数:
参数:
- **x** - Exp运算符的输入
- **x** - Exp运算符的输入
- **use_mkldnn** (bool) - (默认为false)仅在 ``mkldnn`` 内核中使用
返回: Exp算子的输出
返回: Exp算子的输出
...
@@ -9335,10 +9357,15 @@ floor
...
@@ -9335,10 +9357,15 @@ floor
.. py:function:: paddle.fluid.layers.floor(x, name=None)
.. py:function:: paddle.fluid.layers.floor(x, name=None)
地板运算激活函数。
.. math::
out = \left \lfloor x \right \rfloor
参数:
参数:
- **x** - Floor运算符的输入
- **x** - Floor运算符的输入
- **use_mkldnn** (bool) - (默认为false)仅在 ``mkldnn`` 内核中使用
返回: Floor运算符的输出。
返回: Floor运算符的输出。
...
@@ -9397,12 +9424,17 @@ logsigmoid
...
@@ -9397,12 +9424,17 @@ logsigmoid
-------------------------------
-------------------------------
.. py:function:: paddle.fluid.layers.logsigmoid(x, name=None)
.. py:function:: paddle.fluid.layers.logsigmoid(x, name=None)
Logsigmoid激活函数。
.. math::
out = \log \frac{1}{1 + e^{-x}}
参数:
参数:
- **x** - LogSigmoid运算符的输入
- **x** - LogSigmoid运算符的输入
- **use_mkldnn** (bool) - (默认为False)仅在 ``mkldnn`` 内核中使用
返回: LogSigmoid运算符的输出
返回: LogSigmoid运算符的输出
...
@@ -9422,10 +9454,14 @@ reciprocal
...
@@ -9422,10 +9454,14 @@ reciprocal
.. py:function:: paddle.fluid.layers.reciprocal(x, name=None)
.. py:function:: paddle.fluid.layers.reciprocal(x, name=None)
Reciprocal(取倒数)激活函数
.. math::
out = \frac{1}{x}
参数:
参数:
- **x** - Ceil运算符的输入
- **x** - Ceil运算符的输入
- **use_mkldnn** (bool) - (默认为false)仅在 ``mkldnn`` 内核中使用
返回: Reciprocal运算符的输出。
返回: Reciprocal运算符的输出。
...
@@ -9448,10 +9484,15 @@ round
...
@@ -9448,10 +9484,15 @@ round
.. py:function:: paddle.fluid.layers.round(x, name=None)
.. py:function:: paddle.fluid.layers.round(x, name=None)
Round取整激活函数。
.. math::
out = [x]
参数:
参数:
- **x** - Ceil运算符的输入
- **x** - Ceil运算符的输入
- **use_mkldnn** (bool) - (默认为false)仅在 ``mkldnn`` 内核中使用
返回: Round运算符的输出。
返回: Round运算符的输出。
...
@@ -9470,13 +9511,15 @@ sigmoid
...
@@ -9470,13 +9511,15 @@ sigmoid
-------------------------------
-------------------------------
.. py:function:: paddle.fluid.layers.sigmoid(x, name=None)
.. py:function:: paddle.fluid.layers.sigmoid(x, name=None)
sigmoid激活函数
.. math::
out = \frac{1}{1 + e^{-x}}
参数:
参数:
- **x** - Sigmoid运算符的输入
- **x** - Sigmoid运算符的输入
- **use_mkldnn** (bool) - (默认为false)仅在 ``mkldnn`` 内核中使用
返回: Sigmoid运算输出.
返回: Sigmoid运算输出.
...
@@ -9496,10 +9539,15 @@ sin
...
@@ -9496,10 +9539,15 @@ sin
.. py:function:: paddle.fluid.layers.sin(x, name=None)
.. py:function:: paddle.fluid.layers.sin(x, name=None)
正弦sine激活函数。
.. math::
out = sin(x)
参数:
参数:
- **x** - sin运算符的输入
- **x** - sin运算符的输入
- **use_mkldnn** (bool) - (默认为false)仅在 ``mkldnn`` 内核中使用
返回: Sin运算符的输出。
返回: Sin运算符的输出。
...
@@ -9520,9 +9568,13 @@ softplus
...
@@ -9520,9 +9568,13 @@ softplus
.. py:function:: paddle.fluid.layers.softplus(x,name=None)
.. py:function:: paddle.fluid.layers.softplus(x,name=None)
softplus激活函数。
.. math::
out = \ln(1 + e^{x})
参数:
参数:
- **x** : Softplus操作符的输入
- **x** : Softplus操作符的输入
- **use_mkldnn** (bool, 默认false) - 仅在mkldnn核中使用
返回:Softplus操作后的结果
返回:Softplus操作后的结果
...
@@ -9572,9 +9624,15 @@ softsign
...
@@ -9572,9 +9624,15 @@ softsign
.. py:function:: Paddle.fluid.layers.softsign(x,name=None)
.. py:function:: Paddle.fluid.layers.softsign(x,name=None)
softsign激活函数。
.. math::
out = \frac{x}{1 + |x|}
参数:
参数:
- **x** : Softsign操作符的输入
- **x** : Softsign操作符的输入
- **use_mkldnn** (bool, 默认false) - 仅在mkldnn核中使用
返回:Softsign操作后的结果
返回:Softsign操作后的结果
...
@@ -9593,10 +9651,13 @@ sqrt
...
@@ -9593,10 +9651,13 @@ sqrt
.. py:function:: paddle.fluid.layers.sqrt(x, name=None)
.. py:function:: paddle.fluid.layers.sqrt(x, name=None)
算数平方根激活函数。
.. math::
out = \sqrt{x}
参数:
参数:
- **x** - Sqrt运算符的输入
- **x** - Sqrt运算符的输入
- **use_mkldnn** (bool) - (默认为false)仅在 ``mkldnn`` 内核中使用
返回: Sqrt算子的输出。
返回: Sqrt算子的输出。
...
@@ -9617,9 +9678,14 @@ square
...
@@ -9617,9 +9678,14 @@ square
.. py:function:: paddle.fluid.layers.square(x,name=None)
.. py:function:: paddle.fluid.layers.square(x,name=None)
取平方激活函数。
.. math::
out = x^2
参数:
参数:
- **x** : 平方操作符的输入
- **x** : 平方操作符的输入
- **use_mkldnn** (bool, 默认false) 仅在mkldnn核中使用
返回:平方后的结果
返回:平方后的结果
...
@@ -9637,13 +9703,18 @@ tanh
...
@@ -9637,13 +9703,18 @@ tanh
-------------------------------
-------------------------------
.. py:function:: paddle.fluid.layers.tanh(x, name=None)
.. py:function:: paddle.fluid.layers.tanh(x, name=None)
tanh 激活函数。
.. math::
out = \frac{e^{x} - e^{-x}}{e^{x} + e^{-x}}
参数:
参数:
- **x** - Tanh运算符的输入
- **x** - Tanh运算符的输入
- **use_mkldnn** (bool) - (默认为false)仅在 ``mkldnn`` 内核中使用
返回: Tanh算子的输出。
返回: Tanh算子的输出。
...
@@ -9664,10 +9735,13 @@ tanh_shrink
...
@@ -9664,10 +9735,13 @@ tanh_shrink
.. py:function:: paddle.fluid.layers.tanh_shrink(x, name=None)
.. py:function:: paddle.fluid.layers.tanh_shrink(x, name=None)
tanh_shrink激活函数。
.. math::
out = x - \frac{e^{x} - e^{-x}}{e^{x} + e^{-x}}
参数:
参数:
- **x** - TanhShrink运算符的输入
- **x** - TanhShrink运算符的输入
- **use_mkldnn** (bool)- (默认为false)仅在 ``mkldnn`` 内核中使用
返回: tanh_shrink算子的输出
返回: tanh_shrink算子的输出
...
@@ -10127,7 +10201,7 @@ fill_constant_batch_size_like
...
@@ -10127,7 +10201,7 @@ fill_constant_batch_size_like
该功能创建一个张量,含有具体的shape,dtype和batch尺寸。并用 ``Value`` 中提供的常量初始化该张量。该批尺寸从输入张量中获取。它还将stop_gradient设置为True.
该功能创建一个张量,含有具体的shape,dtype和batch尺寸。并用 ``Value`` 中提供的常量初始化该张量。该批尺寸从输入张量中获取。它还将stop_gradient设置为True.
参数:
参数:
- **input** (Variable)-张量,其
input_dim_idx个维具体指示
batch_size
- **input** (Variable)-张量,其
第input_dim_idx维可指定
batch_size
- **shape** (INTS)-输出的形状
- **shape** (INTS)-输出的形状
- **dtype** (INT)-可以为numpy.dtype。输出数据类型。默认为float32
- **dtype** (INT)-可以为numpy.dtype。输出数据类型。默认为float32
- **value** (FLOAT)-默认为0.将要被填充的值
- **value** (FLOAT)-默认为0.将要被填充的值
...
@@ -10711,21 +10785,21 @@ anchor_generator
...
@@ -10711,21 +10785,21 @@ anchor_generator
**Anchor generator operator**
**Anchor generator operator**
为
快速RCNN算法生成锚,输入的每一位产生N个锚,N=size(anchor_sizes)*size(aspect_ratios)。生成锚
的顺序首先是aspect_ratios循环,然后是anchor_sizes循环。
为
Faster RCNN算法生成anchor,输入的每一位产生N个anchor,N=size(anchor_sizes)*size(aspect_ratios)。生成anchor
的顺序首先是aspect_ratios循环,然后是anchor_sizes循环。
参数:
参数:
- **input** (Variable) - 输入特征图,格式为NCHW
- **input** (Variable) - 输入特征图,格式为NCHW
- **anchor_sizes** (list|tuple|float) - 生成
锚的锚大小,以绝对像素的形式表示,例如:[64.,128.,256.,512.]若锚的大小为64,则意味着这个锚
的面积等于64**2。
- **anchor_sizes** (list|tuple|float) - 生成
anchor的anchor大小,以绝对像素的形式表示,例如:[64.,128.,256.,512.]若anchor的大小为64,则意味着这个anchor
的面积等于64**2。
- **aspect_ratios** (list|tuple|float) - 生成
锚
的高宽比,例如[0.5,1.0,2.0]
- **aspect_ratios** (list|tuple|float) - 生成
anchor
的高宽比,例如[0.5,1.0,2.0]
- **variance** (list|tuple) - 变量,在框回归delta中使用。默认:[0.1,0.1,0.2,0.2]
- **variance** (list|tuple) - 变量,在框回归delta中使用。默认:[0.1,0.1,0.2,0.2]
- **stride** (list|tuple) -
锚
在宽度和高度方向上的步长,比如[16.0,16.0]
- **stride** (list|tuple) -
anchor
在宽度和高度方向上的步长,比如[16.0,16.0]
- **offset** (float) - 先验框的中心位移。默认:0.5
- **offset** (float) - 先验框的中心位移。默认:0.5
- **name** (str) - 先验框操作符名称。默认:None
- **name** (str) - 先验框操作符名称。默认:None
返回:
返回:
- Anchors(Varibale): 输出anchor,布局[H,W,num_anchors,4] , ``H`` 是输入的高度, ``W`` 是输入的宽度, ``num_priors`` 是输入每位的框数,每个anchor格式(未归一化)为(xmin,ymin,xmax,ymax)
- Anchors(Varibale): 输出anchor,布局[H,W,num_anchors,4] , ``H`` 是输入的高度, ``W`` 是输入的宽度, ``num_priors`` 是输入每位的框数,每个anchor格式(未归一化)为(xmin,ymin,xmax,ymax)
- Variances(Variable):
锚
的扩展变量布局为 [H,W,num_priors,4]。 ``H`` 是输入的高度, ``W`` 是输入的宽度, ``num_priors`` 是输入每个位置的框数,每个变量的格式为(xcenter,ycenter,w,h)。
- Variances(Variable):
anchor
的扩展变量布局为 [H,W,num_priors,4]。 ``H`` 是输入的高度, ``W`` 是输入的宽度, ``num_priors`` 是输入每个位置的框数,每个变量的格式为(xcenter,ycenter,w,h)。
返回类型:anchor(Variable)
返回类型:anchor(Variable)
...
@@ -11246,7 +11320,7 @@ generate_proposals
...
@@ -11246,7 +11320,7 @@ generate_proposals
生成proposal的Faster-RCNN
生成proposal的Faster-RCNN
该操作根据每个框为foreground(前景)对象的概率,并且通过
锚(anchors)
来计算这些框,进而提出RoI。Bbox_deltais和一个objects的分数作为是RPN的输出。最终 ``proposals`` 可用于训练检测网络。
该操作根据每个框为foreground(前景)对象的概率,并且通过
anchors
来计算这些框,进而提出RoI。Bbox_deltais和一个objects的分数作为是RPN的输出。最终 ``proposals`` 可用于训练检测网络。
为了生成 ``proposals`` ,此操作执行以下步骤:
为了生成 ``proposals`` ,此操作执行以下步骤:
...
@@ -11574,7 +11648,7 @@ rpn_target_assign
...
@@ -11574,7 +11648,7 @@ rpn_target_assign
(ii) 具有IoU重叠的anchors高于带有任何真实框(ground-truth box)的rpn_positive_overlap0(0.7)。
(ii) 具有IoU重叠的anchors高于带有任何真实框(ground-truth box)的rpn_positive_overlap0(0.7)。
请注意,单个真实框(ground-truth box)可以为多个anchors分配正标签。对于所有真实框(ground-truth box),非正向
锚
是指其IoU比率低于rpn_negative_overlap(0.3)。既不是正也不是负的anchors对训练目标没有价值。回归目标是与positive anchors相关联而编码的图片真实框。
请注意,单个真实框(ground-truth box)可以为多个anchors分配正标签。对于所有真实框(ground-truth box),非正向
anchor
是指其IoU比率低于rpn_negative_overlap(0.3)。既不是正也不是负的anchors对训练目标没有价值。回归目标是与positive anchors相关联而编码的图片真实框。
参数:
参数:
- **bbox_pred** (Variable)- 是一个shape为[N,M,4]的3-D Tensor,表示M个边界框的预测位置。N是批量大小,每个边界框有四个坐标值,即[xmin,ymin,xmax,ymax]。
- **bbox_pred** (Variable)- 是一个shape为[N,M,4]的3-D Tensor,表示M个边界框的预测位置。N是批量大小,每个边界框有四个坐标值,即[xmin,ymin,xmax,ymax]。
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录