paddle¶

paddle 目录下包含tensor、device、framework相关API以及某些高层API。具体如下：

tensor数学操作
tensor逻辑操作
tensor属性相关
tensor创建相关
tensor元素查找相关
tensor初始化相关
tensor random相关
tensor线性代数相关
tensor元素操作相关（如：转置，reshape等）
framework相关
device相关
高层API相关

tensor数学操作¶

API名称	API功能
paddle.abs	绝对值函数
paddle.acos	arccosine函数
paddle.add	Tensor逐元素相加
paddle.add_n	对输入的一至多个Tensor或LoDTensor求和
paddle.addmm	计算输入Tensor x和y的乘积，将结果乘以标量alpha，再加上input与beta的乘积，得到输出
paddle.all	对指定维度上的Tensor元素进行逻辑与运算
paddle.allclose	逐个检查输入Tensor x和y的所有元素是否均满足 ∣x−y∣≤atol+rtol×∣y∣
paddle.any	对指定维度上的Tensor元素进行逻辑或运算
paddle.asin	arcsine函数
paddle.atan	arctangent函数
paddle.ceil	向上取整运算函数
paddle.clip	将输入的所有元素进行剪裁，使得输出元素限制在[min, max]内
paddle.conj	逐元素计算Tensor的共轭运算
paddle.cos	余弦函数
paddle.cosh	双曲余弦函数
paddle.cumsum	沿给定 axis 计算张量 x 的累加和
paddle.divide	逐元素相除算子
paddle.equal	该OP返回 x==y 逐元素比较x和y是否相等，相同位置的元素相同则返回True，否则返回False
paddle.equal_all	如果所有相同位置的元素相同返回True，否则返回False
paddle.erf	逐元素计算 Erf 激活函数
paddle.exp	逐元素进行以自然数e为底指数运算
paddle.floor	向下取整函数
paddle.floor_divide	逐元素整除算子，输入 x 与输入 y 逐元素整除，并将各个位置的输出元素保存到返回结果中
paddle.greater_equal	逐元素地返回 x>=y 的逻辑值
paddle.greater_than	逐元素地返回 x>y 的逻辑值
paddle.increment	在控制流程中用来让 x 的数值增加 value
paddle.inverse	计算方阵的逆
paddle.kron	计算两个张量的克罗内克积
paddle.less_equal	逐元素地返回 x<=y 的逻辑值
paddle.less_than	逐元素地返回 x<y 的逻辑值
paddle.log	Log激活函数（计算自然对数）
paddle.log10	Log10激活函数（计算底为10的对数）
paddle.log2	计算Log1p（加一的自然对数）结果
paddle.logical_and	逐元素的对 x 和 y 进行逻辑与运算
paddle.logical_not	逐元素的对 X Tensor进行逻辑非运算
paddle.logical_or	逐元素的对 X 和 Y 进行逻辑或运算
paddle.logical_xor	逐元素的对 X 和 Y 进行逻辑异或运算
paddle.logsumexp	沿着 axis 计算 x 的以e为底的指数的和的自然对数
paddle.max	对指定维度上的Tensor元素求最大值运算
paddle.maximum	逐元素对比输入的两个Tensor，并且把各个位置更大的元素保存到返回结果中
paddle.mean	沿 axis 计算 x 的平均值
paddle.median	沿给定的轴 axis 计算 x 中元素的中位数
paddle.min	对指定维度上的Tensor元素求最小值运算
paddle.minimum	逐元素对比输入的两个Tensor，并且把各个位置更小的元素保存到返回结果中
paddle.mm	用于两个输入矩阵的相乘
paddle.mod	逐元素取模算子
paddle.multiplex	从每个输入Tensor中选择特定行构造输出Tensor
paddle.multiply	逐元素相乘算子
paddle.not_equal	逐元素地返回x!=y 的逻辑值
paddle.pow	指数算子，逐元素计算 x 的 y 次幂
paddle.prod	对指定维度上的Tensor元素进行求乘积运算
paddle.reciprocal	对输入Tensor取倒数
paddle.round	将输入中的数值四舍五入到最接近的整数数值
paddle.rsqrt	rsqrt激活函数
paddle.scale	缩放算子
paddle.sign	对输入x中每个元素进行正负判断
paddle.sin	计算输入的正弦值
paddle.sinh	双曲正弦函数
paddle.sqrt	计算输入的算数平方根
paddle.square	该OP执行逐元素取平方运算
paddle.stanh	stanh 激活函数
paddle.std	沿给定的轴 axis 计算 x 中元素的标准差
paddle.subtract	逐元素相减算子
paddle.sum	对指定维度上的Tensor元素进行求和运算
paddle.tan	三角函数tangent
paddle.tanh	tanh激活函数
paddle.trace	计算输入 Tensor 在指定平面上的对角线元素之和
paddle.var	沿给定的轴 axis 计算 x 中元素的方差

tensor逻辑操作¶

API名称	API功能
paddle.is_empty	测试变量是否为空
paddle.is_tensor	用来测试输入对象是否是paddle.Tensor
paddle.isfinite	返回输入tensor的每一个值是否为Finite（既非 +/-INF 也非 +/-NaN ）
paddle.isinf	返回输入tensor的每一个值是否为 +/-INF
paddle.isnan	返回输入tensor的每一个值是否为 +/-NaN

tensor属性相关¶

API名称	API功能
paddle.imag	返回一个包含输入复数Tensor的虚部数值的新Tensor
paddle.real	返回一个包含输入复数Tensor的实部数值的新Tensor
paddle.shape	获得输入Tensor或SelectedRows的shape

tensor创建相关¶

API名称	API功能
paddle.arange	返回以步长 step 均匀分隔给定数值区间[start, end)的1-D Tensor，数据类型为 dtype
paddle.diag	如果 x 是向量（1-D张量），则返回带有 x 元素作为对角线的2-D方阵;如果 x 是矩阵（2-D张量），则提取 x 的对角线元素，以1-D张量返回。
paddle.empty	创建形状大小为shape并且数据类型为dtype的Tensor
paddle.empty_like	根据 x 的shape和数据类型 dtype 创建未初始化的Tensor
paddle.eye	构建二维Tensor(主对角线元素为1，其他元素为0)
paddle.full	创建形状大小为 shape 并且数据类型为 dtype 的Tensor
paddle.full_like	创建一个和 x 具有相同的形状并且数据类型为 dtype 的Tensor
paddle.linspace	返回一个Tensor，Tensor的值为在区间start和stop上均匀间隔的num个值，输出Tensor的长度为num
paddle.meshgrid	对每个张量做扩充操作
paddle.numel	返回一个长度为1并且元素值为输入 x 元素个数的Tensor
paddle.ones	创建形状为 shape 、数据类型为 dtype 且值全为1的Tensor
paddle.ones_like	返回一个和 x 具有相同形状的数值都为1的Tensor
paddle.Tensor	Paddle中最为基础的数据结构
paddle.to_tensor	通过已知的data来创建一个tensor
paddle.zeros	该OP创建形状为 shape 、数据类型为 dtype 且值全为0的Tensor
paddle.zeros_like	该OP返回一个和 x 具有相同的形状的全零Tensor，数据类型为 dtype 或者和 x 相同

tensor元素查找相关¶

API名称	API功能
paddle.argmax	沿 axis 计算输入 x 的最大元素的索引
paddle.argmin	沿 axis 计算输入 x 的最小元素的索引
paddle.argsort	对输入变量沿给定轴进行排序，输出排序好的数据的相应索引，其维度和输入相同
paddle.index_sample	对输入 x 中的元素进行批量抽样
paddle.index_select	沿着指定轴 axis 对输入 x 进行索引
paddle.masked_select	返回一个1-D 的Tensor, Tensor的值是根据 mask 对输入 x 进行选择的
paddle.nonzero	返回输入 x 中非零元素的坐标
paddle.sort	对输入变量沿给定轴进行排序，输出排序好的数据，其维度和输入相同
paddle.topk	沿着可选的 axis 查找topk最大或者最小的结果和结果所在的索引信息
paddle.where	该OP返回一个根据输入 condition, 选择 x 或 y 的元素组成的多维 Tensor

tensor初始化相关¶

API名称	API功能
paddle.assign	将输入Tensor或numpy数组拷贝至输出Tensor

tensor random相关¶

API名称	API功能
paddle.bernoulli	以输入 x 为概率，生成一个伯努利分布（0-1分布）的Tensor，输出Tensor的形状和数据类型与输入 x 相同
paddle.multinomial	以输入 x 为概率，生成一个多项分布的Tensor
paddle.normal	返回符合正态分布（均值为 mean ，标准差为 std 的正态随机分布）的随机Tensor
paddle.rand	返回符合均匀分布的，范围在[0, 1)的Tensor
paddle.randint	返回服从均匀分布的、范围在[low, high)的随机Tensor
paddle.randn	返回符合标准正态分布（均值为0，标准差为1的正态随机分布）的随机Tensor
paddle.randperm	返回一个数值在0到n-1、随机排列的1-D Tensor
paddle.seed	设置全局默认generator的随机种子
paddle.uniform	返回数值服从范围[min, max)内均匀分布的随机Tensor

tensor线性代数相关¶

API名称	API功能
paddle.bmm	对输入x及输入y进行矩阵相乘
paddle.cholesky	计算一个对称正定矩阵或一批对称正定矩阵的Cholesky分解
paddle.cross	计算张量 x 和 y 在 axis 维度上的向量积（叉积）
paddle.dist	计算 (x-y) 的 p 范数（p-norm）
paddle.dot	计算向量的内积
paddle.histogram	计算输入张量的直方图
paddle.matmul	计算两个Tensor的乘积，遵循完整的广播规则
paddle.mv	计算矩阵 x 和向量 vec 的乘积
paddle.norm	计算给定Tensor的矩阵范数（Frobenius 范数）和向量范数（向量1范数、2范数、或者通常的p范数）
paddle.rank	计算输入Tensor的维度（秩）
paddle.t	对小于等于2维的Tensor进行数据转置
paddle.tril	返回输入矩阵 input 的下三角部分，其余部分被设为0
paddle.triu	返回输入矩阵 input 的上三角部分，其余部分被设为0

tensor元素操作相关（如：转置，reshape等）¶

API名称	API功能
paddle.broadcast_to	根据 shape 指定的形状广播 x ，广播后， x 的形状和 shape 指定的形状一致
paddle.cast	将输入的x的数据类型转换为 dtype 并输出
paddle.chunk	将输入Tensor分割成多个子Tensor
paddle.concat	对输入沿 axis 轴进行联结，返回一个新的Tensor
paddle.expand	根据 shape 指定的形状扩展 x ，扩展后， x 的形状和 shape 指定的形状一致
paddle.expand_as	根据 y 的形状扩展 x ，扩展后， x 的形状和 y 的形状相同
paddle.flatten	根据给定的start_axis 和 stop_axis 将连续的维度展平
paddle.flip	沿指定轴反转n维tensor
paddle.gather	根据索引 index 获取输入 x 的指定 aixs 维度的条目，并将它们拼接在一起
paddle.gather_nd	paddle.gather的高维推广
paddle.reshape	在保持输入 x 数据不变的情况下，改变 x 的形状
paddle.roll	沿着指定维度 axis 对输入 x 进行循环滚动，当元素移动到最后位置时，会从第一个位置重新插入
paddle.scatter	通过基于 updates 来更新选定索引 index 上的输入来获得输出
paddle.scatter_nd	根据 index ，将 updates 添加到一个新的张量中，从而得到输出的Tensor
paddle.scatter_nd_add	通过对Tensor中的单个值或切片应用稀疏加法，从而得到输出的Tensor
paddle.shard_index	根据分片（shard）的偏移量重新计算分片的索引
paddle.slice	沿多个轴生成 input 的切片
paddle.split	将输入Tensor分割成多个子Tensor
paddle.squeeze	删除输入Tensor的Shape中尺寸为1的维度
paddle.stack	沿 axis 轴对输入 x 进行堆叠操作
paddle.strided_slice	沿多个轴生成 x 的切片
paddle.tile	根据参数 repeat_times 对输入 x 的各维度进行复制
paddle.transpose	根据perm对输入的多维Tensor进行数据重排
paddle.unbind	将输入Tensor按照指定的维度分割成多个子Tensor
paddle.unique	返回Tensor按升序排序后的独有元素
paddle.unsqueeze	该OP向输入Tensor的Shape中一个或多个位置（axis）插入尺寸为1的维度
paddle.unstack	该OP将单个dim为 D 的Tensor沿 axis 轴unpack为 num 个dim为 (D-1) 的Tensor

framework相关¶

API名称	API功能
paddle.CPUPlace	一个设备描述符，指定CPUPlace则Tensor将被自动分配在该设备上，并且模型将会运行在该设备上
paddle.CUDAPinnedPlace	一个设备描述符，它所指代的页锁定内存由 CUDA 函数 cudaHostAlloc() 在主机内存上分配，主机的操作系统将不会对这块内存进行分页和交换操作，可以通过直接内存访问技术访问，加速主机和 GPU 之间的数据拷贝
paddle.CUDAPlace	一个设备描述符，表示一个分配或将要分配 Tensor 或 LoDTensor 的 GPU 设备
paddle.DataParallel	通过数据并行模式执行动态图模型
paddle.NPUPlace	一个设备描述符，指NCPUPlace则Tensor将被自动分配在该设备上，并且模型将会运行在该设备上
paddle.disable_static	关闭静态图模式
paddle.enable_static	开启静态图模式
paddle.get_default_dtype	得到当前全局的dtype
paddle.grad	对于每个 inputs ，计算所有 outputs 相对于其的梯度和
paddle.in_dynamic_mode	查看paddle当前是否在动态图模式中运行
paddle.load	从指定路径载入可以在paddle中使用的对象实例
paddle.no_grad	创建一个上下文来禁用动态图梯度计算
paddle.ParamAttr	创建一个参数属性对象
paddle.save	将对象实例obj保存到指定的路径中
paddle.set_default_dtype	设置默认的全局dtype。

device相关¶

API名称	API功能
paddle.get_cudnn_version	此函数返回cudnn的版本
paddle.is_compiled_with_cuda	检查 whl 包是否可以被用来在GPU上运行模型
paddle.is_compiled_with_xpu	检查 whl 包是否可以被用来在Baidu Kunlun XPU上运行模型
paddle.is_compiled_with_npu	检查 whl 包是否可以被用来在 NPU 上运行模型
paddle.get_device	该功能返回当前程序运行的全局设备
paddle.set_device	Paddle支持包括CPU和GPU在内的多种设备运行，设备可以通过字符串标识符表示，此功能可以指定OP运行的全局设备
paddle.XPUPlace	一个设备描述符，表示一个分配或将要分配 Tensor 的 Baidu Kunlun XPU 设备

高层API相关¶

API名称	API功能
paddle.Model	一个具备训练、测试、推理的神经网络
paddle.summary	打印网络的基础结构和参数信息
paddle.flops	打印网络的基础结构和参数信息