PaddlePaddle 入门 — 常量&变量的加法
本文介绍一下paddlepaddle中的常量加法和变量的加法,除了加法,其他的常用运算可以在fluid.layers
中找到。
常量加法
- 导入必要库
import paddle.fluid as fluid
- 定义两个张量,给定shape为[2,2],数值为1,类型为int64
x1=fluid.layers.fill_constant(shape=[2,2],value=1,dtype='int64')
x2=fluid.layers.fill_constant(shape=[2,2],value=1,dtype='int64')
- 对两个张量进行求和运算
y1=fluid.layers.sum(x=[x1,x2])
- 创建解析器,解析器的目的是执行program(需先执行参数初始化);根据自己的硬件来确定是CPU还是GPU,
CPUPlace()
使用的是CPU,CUDAPlace()
则使用的是GPU。
# 创建使用CPU的解析器
place=fluid.CPUPlace()
exe=fluid.executor.Executor(place)
# 参数初始化
exe.run(fluid.default_startup_program())
- 执行计算,执行计算时候
program
的参数值是主程序,默认有两个program
,一个是default_startup_program()
,即上面代码中用来进行参数初始化的代码,另一个是default_main_program()
。fetch_list
参数的值是解析器run之后要 输出 的值,即,需要填入计算加法之后要输出的结果值。
result=exe.run(program=fluid.default_main_program(), fetch_list=[y1])
print(result)
输出的结果是一个张量:[array([[2,2],[2,2]])]
变量加法
定义占位符,需要计算时,再将具体的数据喂进去。
- 导入PaddlePaddle库和numpy的库
import paddle.fluid as fluid
import numpy as np
- 定义两个之后用来动态赋值的张量
a=fluid.layers.create_tensor(dtype='int64',name='a')
b=fluid.layers.create_tensor(dtype='int64',name='b')
- 同样,定义这两个张量的加法操作
y=fluid.layers.sum(x=[a,b])
- 创建一个使用CPU的解析器,并进行参数初始化
place=fluid.CPUPlace()
exe=fluid.executor.Executor(place)
# 参数初始化
exe.run(fluid.default_startup_program())
- 使用numpy创建两个张量值,之后我们要计算的就是两个值
a1=np.array([3,2].astype('int64'))
b1=np.array([1,1].astype('int64'))
- 相对于常量,exe.run()的参数中多了一个feed参数,用于对张量变量进行赋值(采用键值对的方式,
key
是相当于占位符的名称,value
是要传递的值),而fetch_list
则用来接受返回值,在此希望将a,b,y
的值都输出,因此定义了3个变量对其进行接收。
out_a, out_b, result=exe.run(program=fluid.default_main_program(),
feed={'a':a1,'b':b1},
fetch_list=[a,b,y])
print(out_a, "+",out_b,"=",result)
输出的结果为:
(array([3,2]),'+',array([1,1]),'=',array([4,3]))