diff --git a/doc/fluid/api_cn/layers_cn/expand_cn.rst b/doc/fluid/api_cn/layers_cn/expand_cn.rst index 11d817d7319ba750c2b7a8aca9b80e58eb3a621d..bae748a9b613204ed161efba8848c1685fd7f8cb 100644 --- a/doc/fluid/api_cn/layers_cn/expand_cn.rst +++ b/doc/fluid/api_cn/layers_cn/expand_cn.rst @@ -27,7 +27,7 @@ expand运算会按给定的次数对输入各维度进行复制（tile）运算 参数: - **x** (Variable)- 一个秩在[1, 6]范围中的张量（Tensor）. - - **expand_times** (list|tuple) - 每一个维度要扩展的次数. + - **expand_times** (list|tuple|Variable) - 每一个维度要扩展的次数。 返回： expand变量是LoDTensor。expand运算后，输出（Out）的每个维度的大小等于输入（X）的相应维度的大小乘以 ``expand_times`` 给出的相应值。 @@ -38,10 +38,17 @@ expand运算会按给定的次数对输入各维度进行复制（tile）运算 .. code-block:: python import paddle.fluid as fluid - x = fluid.layers.fill_constant(shape=[2, 3, 1], dtype='int32', value=0) - out = fluid.layers.expand(x=x, expand_times=[1, 2, 2]) + # example 1: + data_1 = fluid.layers.fill_constant(shape=[2, 3, 1], dtype='int32', value=0) + expanded_1 = fluid.layers.expand(data_1, expand_times=[1, 2, 2]) + # the shape of expanded_1 is [2, 6, 2]. + # example 2: + data_2 = fluid.layers.fill_constant(shape=[12, 14], dtype="int32", value=3) + expand_times = fluid.layers.fill_constant(shape=[2], dtype="int32", value=4) + expanded_2 = fluid.layers.expand(data_2, expand_times=expand_times) + # the shape of expanded_2 is [48, 56]. diff --git a/doc/fluid/api_cn/layers_cn/pow_cn.rst b/doc/fluid/api_cn/layers_cn/pow_cn.rst index ebfd0a199329690cff249a479548ad3c72a283b8..a7f53561882b0ac5a42a15cab283d582c00f682b 100644 --- a/doc/fluid/api_cn/layers_cn/pow_cn.rst +++ b/doc/fluid/api_cn/layers_cn/pow_cn.rst @@ -12,8 +12,8 @@ pow out = x^{factor} 参数 - - **x** (Variable) - Pow operator的输入 - - **factor** (FLOAT|1.0) - Pow的指数因子 + - **x** (Variable) - Pow operator的输入。 + - **factor** (FLOAT|Variable|1.0) - Pow的指数因子。 - **name** (str|None) -这个层的名称(可选)。如果设置为None，该层将被自动命名。 返回: 输出Pow操作符 @@ -26,8 +26,17 @@ pow .. code-block:: python import paddle.fluid as fluid + x = fluid.layers.data(name="x", shape=[3,10,32,32], dtype="float32") - y = fluid.layers.pow(x, factor=2.0) + + # example 1: argument factor is float + y_1 = fluid.layers.pow(x, factor=2.0) + # y_1 is x^{2.0} + + # example 2: argument factor is Variable + factor_tensor = fluid.layers.fill_constant([1], "float32", 3.0) + y_2 = fluid.layers.pow(x, factor=factor_tensor) + # y_2 is x^{2.0} diff --git a/doc/fluid/api_cn/layers_cn/reshape_cn.rst b/doc/fluid/api_cn/layers_cn/reshape_cn.rst index e3b864e06141ce114c0e3c71aa8eb3eb32e4ec9c..6596e6316cd0da4f61adafe625bfe2515b5c7e01 100644 --- a/doc/fluid/api_cn/layers_cn/reshape_cn.rst +++ b/doc/fluid/api_cn/layers_cn/reshape_cn.rst @@ -7,8 +7,8 @@ reshape 保持输入张量数据不变的情况下，改变张量的形状。 -目标形状可由 ``shape`` 或 ``actual_shape`` 给出。``shape`` 是一个整数列表，而 ``actual_shape`` 是一个张量变量。 -当两个属性同时被指定时，``actual_shape`` 的优先级高于 ``shape`` ，但在编译时仍然应该正确地设置 ``shape`` 以保证形状推断。 +目标形状可由 ``shape`` 或 ``actual_shape`` 给出。``shape`` 可以是一个包含整数或张量的列表，或者是一个张量变量，而 ``actual_shape`` 是一个张量变量。 +当两个属性同时被指定时，``actual_shape`` 的优先级高于 ``shape`` ，但此时 ``shape`` 只能是整数列表，且在编译时仍然应该正确地设置 ``shape`` 以保证形状推断。 在指定目标shape时存在一些技巧： @@ -26,27 +26,40 @@ reshape 2. 给定一个形状为[2,4,6]的三维张量x，指定的目标形状为[2,3,-1,2]， ``reshape``将x变换为形状为[2,3,4,2]的4- d张量，不改变x的数据。在这种情况下，目标形状的一个维度被设置为-1，这个维度的值是从x的元素总数和剩余维度推断出来的。 3. 给定一个形状为[2,4,6]的三维张量x，目标形状为[- 1,0,3,2]，整形算子将x变换为形状为[2,4,3,2]的四维张量，使x的数据保持不变。在这种情况下，0意味着实际的维值将从x的对应维数中复制,-1位置的维度由x的元素总数和剩余维度计算得来。 +**注意:** 参数``actual_shape`` 之后将被舍弃，只用参数 ``shape`` 来表示目标形状。 + 参数： - - **x** (variable) - 输入张量 - - **shape** (list) - 新的形状。新形状最多只能有一个维度为-1。 - - **actual_shape** (variable) - 一个可选的输入。如果提供，则根据 ``actual_shape`` 进行 reshape，而不是指定 ``shape`` 。也就是说，actual_shape具有比shape更高的优先级。 - - **act** (str) - 对reshpe后的tensor变量执行非线性激活 + - **x** (Variable) - 输入张量。 + - **shape** (list|tuple|Variable) - 新的形状。新形状最多只能有一个维度为-1。如果 ``shape``是一个 list 或 tuple, 它可以包含整数或者 Variable 类型的元素，但是 Variable 类型元素的形状只能是[1]。 + - **actual_shape** (Variable) - 一个可选的输入。如果提供，则根据 ``actual_shape`` 进行 reshape，而不是指定 ``shape`` 。也就是说，``actual_shape`` 具有比 ``shape`` 更高的优先级，此时 ``shape`` 只能是整数列表。 ``actual_shape`` 将在未来的版本中舍弃。更新提示：``actual_shape`` 将被舍弃并用 ``shape`` 代替。 + - **act** (str) - 对reshpe后的tensor变量执行非线性激活。 - **inplace** (bool) - 如果 ``inplace`` 为True，则 ``layers.reshape`` 的输入和输出是同一个变量，否则， ``layers.reshape`` 的输入和输出是不同的变量。请注意，如果x作为多个层的输入，则 ``inplace`` 必须为False。 - - **name** (str) - 可选变量，此层的名称 + - **name** (str) - 可选变量，此层的名称。 返回：如果 ``act`` 为 ``None``,返回reshape后的tensor变量。如果 ``inplace`` 为 ``False`` ,将返回一个新的Tensor变量，否则，将改变x自身。如果 ``act`` 不是 ``None`` ，则返回激活的张量变量。 -抛出异常：``TypeError`` - 如果 actual_shape 既不是变量也不是None +抛出异常：``TypeError`` - 如果 actual_shape 既不是变量也不是None. **代码示例** .. code-block:: python import paddle.fluid as fluid - data = fluid.layers.data( - name='data', shape=[2, 4, 6], dtype='float32') - reshaped = fluid.layers.reshape( - x=data, shape=[-1, 0, 3, 2], inplace=True) + + # example 1: + # attr shape is a list which doesn't contain tensor Variable. + data_1 = fluid.layers.data( + name='data_1', shape=[2, 4, 6], dtype='float32') + reshaped_1 = fluid.layers.reshape( + x=data_1, shape=[-1, 0, 3, 2], inplace=True) + # the shape of reshaped_1 is [2,4,3,2]. + + # example 2: + # attr shape is a list which contains tensor Variable. + data_2 = fluid.layers.fill_constant([2,25], "int32", 3) + dim = fluid.layers.fill_constant([1], "int32", 5) + reshaped_2 = fluid.layers.reshape(data_2, shape=[dim, 10]) + # the shape of reshaped_2 is [5,10]. diff --git a/doc/fluid/api_cn/layers_cn/slice_cn.rst b/doc/fluid/api_cn/layers_cn/slice_cn.rst index 1df92e7415fb85eeb72dab160d77f51d6f082c3d..87b7ce523e66a0067109233b0dd1bef56f24a30d 100644 --- a/doc/fluid/api_cn/layers_cn/slice_cn.rst +++ b/doc/fluid/api_cn/layers_cn/slice_cn.rst @@ -31,8 +31,8 @@ slice算子。 参数： - **input** （Variable）- 提取切片的数据张量（Tensor）。 - **axes** （List）- （list ）开始和结束的轴适用于。它是可选的。如果不存在，将被视为[0,1，...，len（starts）- 1]。 - - **starts** （List）- （list ）在轴上开始相应轴的索引。 - - **ends** （List）- （list ）在轴上结束相应轴的索引。 + - **starts** （List|Variable）- （list ）在轴上开始相应轴的索引。 + - **ends** （List|Variable）- （list ）在轴上结束相应轴的索引。 返回： 切片数据张量（Tensor）. @@ -45,15 +45,23 @@ slice算子。 import paddle.fluid as fluid - starts = [1, 0, 2] - ends = [3, 3, 4] - axes = [0, 1, 2] - input = fluid.layers.data( name="input", shape=[3, 4, 5, 6], dtype='float32') - out = fluid.layers.slice(input, axes=axes, starts=starts, ends=ends) + # example 1: + # attr starts is a list which doesn't contain tensor Variable. + axes = [0, 1, 2] + starts = [-3, 0, 2] + ends = [3, 2, 4] + sliced_1 = fluid.layers.slice(input, axes=axes, starts=starts, ends=ends) + # sliced_1 is input[:, 0:3, 0:2, 2:4]. + + # example 2: + # attr starts is a list which contain tensor Variable. + minus_3 = fluid.layers.fill_constant([1], "int32", -3) + sliced_2 = fluid.layers.slice(input, axes=axes, starts=[minus_3, 0, 2], ends=ends) + # sliced_2 is input[:, 0:3, 0:2, 2:4]. diff --git a/doc/fluid/beginners_guide/install/Tables.md b/doc/fluid/beginners_guide/install/Tables.md index 91603c7b36d5c550c81c39e405ac42990e18840c..178bc2e4387a963f60564f2b87660e783733b0d0 100755 --- a/doc/fluid/beginners_guide/install/Tables.md +++ b/doc/fluid/beginners_guide/install/Tables.md @@ -242,7 +242,7 @@ PaddePaddle通过编译时指定路径来实现引用各种BLAS/CUDA/cuDNN库。 您可以在 [Release History](https://pypi.org/project/paddlepaddle-gpu/#history) 中找到PaddlePaddle-gpu的各个发行版本。 > 其中`postXX` 对应的是CUDA和cuDNN的版本，`postXX`之前的数字代表Paddle的版本 -需要注意的是，命令中 paddlepaddle-gpu 在windows环境下，会默认安装支持CUDA 9和cuDNN 7的对应[版本号]的PaddlePaddle安装包 +需要注意的是，命令中 paddlepaddle-gpu 在windows环境下，会默认安装支持CUDA 10.0和cuDNN 7的对应[版本号]的PaddlePaddle安装包 *** @@ -323,40 +323,100 @@ PaddePaddle通过编译时指定路径来实现引用各种BLAS/CUDA/cuDNN库。 paddlepaddle_gpu-1.5.2-cp37-cp37m-linux_x86_64.whl - win_cpu_openblas + win_cpu_mkl + - + + paddlepaddle-1.5.2-cp27-cp27m-win_amd64.whl + + paddlepaddle-1.5.2-cp35-cp35m-win_amd64.whl + + paddlepaddle-1.5.2-cp36-cp36m-win_amd64.whl + + paddlepaddle-1.5.2-cp37-cp37m-win_amd64.whl + + + win_cuda8_cudnn7_mkl + - + + paddlepaddle_gpu-1.5.2-cp27-cp27m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp35-cp35m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp36-cp36m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp37-cp37m-win_amd64.whl + + + win_cuda9_cudnn7_mkl + - + + paddlepaddle_gpu-1.5.2-cp27-cp27m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp35-cp35m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp36-cp36m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp37-cp37m-win_amd64.whl + + + win_cuda10_cudnn7_mkl - - - paddlepaddle-1.5.1-cp27-cp27m-win_amd64.whl - - paddlepaddle-1.5.1-cp35-cp35m-win_amd64.whl - - paddlepaddle-1.5.1-cp36-cp36m-win_amd64.whl - - paddlepaddle-1.5.1-cp37-cp37m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp27-cp27m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp35-cp35m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp36-cp36m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp37-cp37m-win_amd64.whl + + win_cpu_openblas + - + + paddlepaddle-1.5.2-cp27-cp27m-win_amd64.whl + + paddlepaddle-1.5.2-cp35-cp35m-win_amd64.whl + + paddlepaddle-1.5.2-cp36-cp36m-win_amd64.whl + + paddlepaddle-1.5.2-cp37-cp37m-win_amd64.whl + win_cuda8_cudnn7_openblas - - - paddlepaddle_gpu-1.5.1-cp27-cp27m-win_amd64.whl - - paddlepaddle_gpu-1.5.1-cp35-cp35m-win_amd64.whl - - paddlepaddle_gpu-1.5.1-cp36-cp36m-win_amd64.whl - - paddlepaddle_gpu-1.5.1-cp37-cp37m-win_amd64.whl - + + paddlepaddle_gpu-1.5.2-cp27-cp27m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp35-cp35m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp36-cp36m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp37-cp37m-win_amd64.whl + win_cuda9_cudnn7_openblas - - - paddlepaddle_gpu-1.5.1-cp27-cp27m-win_amd64.whl - - paddlepaddle_gpu-1.5.1-cp35-cp35m-win_amd64.whl - - paddlepaddle_gpu-1.5.1-cp36-cp36m-win_amd64.whl - - paddlepaddle_gpu-1.5.1-cp37-cp37m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp27-cp27m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp35-cp35m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp36-cp36m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp37-cp37m-win_amd64.whl + + + win_cuda10_cudnn7_openblas + - + + paddlepaddle_gpu-1.5.2-cp27-cp27m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp35-cp35m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp36-cp36m-win_amd64.whl + + paddlepaddle_gpu-1.5.2-cp37-cp37m-win_amd64.whl mac_cpu