【PaddlePaddle】数学运算和逻辑运算

很久没有更新paddle系列了，十月实在有些忙（写各种本子、做各种作业、忙一些投稿），十一月忙完之后会稳步更新。

数学运算

逐元素操作

除了基本算术操作中提到的六种逐元素操作外，还有11种逐元素操作，但是使用的可能并没有那么频繁：

x.abs()  #逐元素取绝对值
x.ceil()  #逐元素向上取整
x.floor()  #逐元素向下取整
x.round()  #逐元素四舍五入
x.exp()  #逐元素计算自然常数为底的指数
x.log()  #逐元素计算 x 的自然对数
x.reciprocal()  #逐元素求倒数
x.square()  #逐元素计算平方
x.sqrt()  #逐元素计算平方根
x.sin()  #逐元素计算正弦
x.cos()  #逐元素计算余弦

但是要注意，和基本算术操作中提到的六种逐元素操作相比（需要至少两个tensor参与操作），这些操作只有一个tensor参与操作

指定维度上的操作

这类操作需要指定在某一维度的所有元素都参与操作，如果没有指定维度，则在全部维度上进行操作：

• 元素最大值：x.max(axis=None, keepdim=False)、paddle.max(x, axis=None, keepdim=False, name=None)

  对输入有多个最大值的情况下，max 将梯度完整传回到最大值对应的位置，amax 会将梯度平均传回到最大值对应的位置

  axis为求最大值运算的维度，可以为数值、列表、元组。如果为 None，则计算所有元素的最大值并返回包含单个元素的 Tensor 变量，否则axis的值必须在 $[-(x.ndim),x.ndim]$ 之间。如果 $axis[0]<0$ ，则将维度变为 $x.ndim+axis[0]$ 。

  keepdim表示是否在输出 Tensor 中保留输入的维度。除非 keepdim 为 True，否则输出 Tensor 的维度将比输入 Tensor 小一维。

  x.max(axis=0)
  """
  Tensor(shape=[3], dtype=int64, place=Place(gpu:0), stop_gradient=True,
         [9, 7, 9])
  """
  x.max(axis=1)
  """
  Tensor(shape=[3], dtype=int64, place=Place(gpu:0), stop_gradient=True,
         [9, 9, 7])
  """
  x.max(axis=1, keepdim=True)
  """
  Tensor(shape=[3, 1], dtype=int64, place=Place(gpu:0), stop_gradient=True,
         [[9],
          [9],
          [7]])
  """
  

  这里必须要搞明白axis如果传入一个list或tuple代表什么含义，在这里举个简单具象一些的例子：

  假设我们传入的数据形式为 (batch, c, h, w)，现在我们想要求每个batch里每个h×w的矩阵的最大值，那么每个batch就会求得c个最大值，用作最后的池化结果，那么我们要做的操作就是x.max(axis=[2, 3])，即把2、3这两个维度上的数单独拎出来求出一个最大值。

  我个人更喜欢从“维度消除”的思路理解axis这个参数，比如一个3×4×5的矩阵，对axis=0操作，则会消除3这个维度，输出为4×5。所以，必须要明确求什么最大值，才能对axis有一个明确的理解。

• 元素最小值：x.max(axis=None, keepdim=False)、paddle.max(x, axis=None, keepdim=False, name=None)

  用法和max保持一致

• 元素累加：x.sum(axis=None, keepdim=False)、paddle.sum(x, axis=None, dtype=None, keepdim=False, name=None)

  用法不再多说，需要注意的一点是paddle.sum()多个dtype的参数，表示指定输出变量的数据类型，若参数为空，则输出变量的数据类型和输入变量相同。但是这个参数一般也不会用到。

• 元素累乘：x.prod(axis=None, keepdim=False)、paddle.prod(x, axis=None, keepdim=False, dtype=None, name=None)

逻辑运算

常用的逻辑比较运算有以下6种：

• 相等，以下两种函数都是判断相同位置的元素是否相等

  • 全部元素相等：x.equal_all(y)、paddle.equal_all(x, y)，只返回一个bool值，必须要相同位置的元素都相等才返回True
  • 每个元素相等：x.equal(y)、x == y、paddle.equal(x, y)，返回一个和x相同形状的bool值的Tensor，对于某个位置而言，相同为True，不相同为False

  要明确使用场景

• 不相等：x != y、x.not_equal(y)、paddle.not_equal(x, y)，返回一个和x相同形状的bool值的Tensor，对于某个位置而言，不相同为True，相同为False

• 小于：x < y、x.less_than(y)、paddle.less_than(x, y)，返回一个和x相同形状的bool值的Tensor

• 小于等于：x <= y、x.less_equal(y)、paddle.less_equal(x, y)，返回一个和x相同形状的bool值的Tensor

• 大于：x > y、x.greater_than(y)、paddle.greater_than(x, y)，返回一个和x相同形状的bool值的Tensor

• 大于等于：x >= y、x.greater_equal(y)、paddle.greater_equal(x, y)，返回一个和x相同形状的bool值的Tensor

同时还有2个不常用的函数：

• 元素是否是有限的数字（即不包含inf和nan）：x.isfinite()、paddle.isfinite(x)，返回一个和x相同形状的bool值的Tensor，表示输入 Tensor 的每一个值是否为有限值（既非 +/-INF 也非 +/-NaN ）

  注：float('inf')、float('nan')可以指定这两种输入

• 元素是否接近：x.allclose(y, rtol=1e-05, atol=1e-08, equal_nan=False)、paddle.allclose(x, y, rtol=1e-05, atol=1e-08, equal_nan=False)，只返回一个bool值

  rtol是相对容忍误差，atol是绝对容忍误差，如果对每个位置的元素都有 $|x-y|\le atol+rtol\times |y|$ 则返回True

  equal_nan如果设置为 True，则两个 NaN 数值将被视为相等，否则视为两个NaN不相等