tensor
- argmax
- argmin
- argsort
- assign
- cast
- concat
- create_global_var
- create_parameter
- create_tensor
- diag
- fill_constant
- fill_constant_batch_size_like
- has_inf
- has_nan
- isfinite
- linspace
- ones
- range
- reverse
- sums
- tensor_array_to_tensor
- zeros
- zeros_like

tensor

argmax

paddle.fluid.layers.argmax(x, axis=0)
argmax

该功能计算输入张量元素中最大元素的索引，张量的元素在提供的轴上。

参数：
- x (Variable)-用于计算最大元素索引的输入
- axis (int)-用于计算索引的轴返回：存储在输出中的张量

返回类型：变量（Variable）

代码示例：

import paddle.fluid as fluid
x = fluid.layers.data(name="x", shape=[3, 4], dtype="float32")
out = fluid.layers.argmax(x=in, axis=0)
out = fluid.layers.argmax(x=in, axis=-1)

argmin

paddle.fluid.layers.argmin(x, axis=0)
argmin

该功能计算输入张量元素中最小元素的索引，张量元素在提供的轴上。

参数：
- x (Variable)-计算最小元素索引的输入
- axis (int)-计算索引的轴返回：存储在输出中的张量

返回类型：变量（Variable）

代码示例：

import paddle.fluid as fluid
x = fluid.layers.data(name="x", shape=[3, 4], dtype="float32")
out = fluid.layers.argmin(x=in, axis=0)
out = fluid.layers.argmin(x=in, axis=-1)

argsort

paddle.fluid.layers.argsort(input, axis=-1, name=None)
对输入变量沿给定轴进行排序，输出排序好的数据和相应的索引，其维度和输入相同

  例如：
给定 input 并指定 axis=-1
 
      input = [[0.15849551, 0.45865775, 0.8563702 ],
              [0.12070083, 0.28766365, 0.18776911]],
 
    执行argsort操作后，得到排序数据：
 
      out = [[0.15849551, 0.45865775, 0.8563702 ],
          [0.12070083, 0.18776911, 0.28766365]],
 
根据指定axis排序后的数据indices变为:
 
      indices = [[0, 1, 2],
              [0, 2, 1]]

参数：
- input (Variable)-用于排序的输入变量
- axis (int)- 沿该参数指定的轴对输入进行排序。当axis<0,实际的轴为axis+rank(input)。默认为-1，即最后一维。
- name (str|None)-（可选）该层名称。如果设为空，则自动为该层命名。返回：一组已排序的数据变量和索引

返回类型：元组

代码示例：

import paddle.fluid as fluid
x = fluid.layers.data(name="x", shape=[3, 4], dtype="float32")
out, indices = fluid.layers.argsort(input=x, axis=0)

assign

paddle.fluid.layers.assign(input, output=None)
该函数将输入变量复制到输出变量
参数：
- input (Variable|numpy.ndarray)-源变量
- output (Variable|None)-目标变量返回：作为输出的目标变量

返回类型：变量（Variable）

代码示例：

import paddle.fluid as fluid
data = fluid.layers.data(name="data", shape=[3, 32, 32], dtype="float32")
out = fluid.layers.create_tensor(dtype='float32')
hidden = fluid.layers.fc(input=data, size=10)
fluid.layers.assign(hidden, out)

cast

paddle.fluid.layers.cast(x, dtype)
该层传入变量x, 并用x.dtype将x转换成dtype类型，作为输出。如果输出的dtype和输入的dtype相同，则使用cast是没有意义的，但如果真的这么做了也不会报错。
参数：
- x (Variable)-转换函数的输入变量
- dtype (np.dtype|core.VarDesc.VarType|str)-输出变量的数据类型返回：转换后的输出变量

返回类型：变量（Variable）

代码示例：

import paddle.fluid as fluid
data = fluid.layers.data(name='x', shape=[13], dtype='float32')
result = fluid.layers.cast(x=data, dtype='float64')

concat

paddle.fluid.layers.concat(input, axis=0, name=None)
Concat

这个函数将输入连接在前面提到的轴上，并将其作为输出返回。

参数：
- input (list)-将要联结的张量列表
- axis (int)-数据类型为整型的轴，其上的张量将被联结
- name (str|None)-该层名称（可选）。如果设为空，则自动为该层命名。返回：输出的联结变量

返回类型：变量（Variable）

代码示例：

import paddle.fluid as fluid
a = fluid.layers.data(name='a', shape=[2, 13], dtype='float32')
b = fluid.layers.data(name='b', shape=[2, 3], dtype='float32')
c = fluid.layers.data(name='c', shape=[2, 2], dtype='float32')
d = fluid.layers.data(name='d', shape=[2, 5], dtype='float32')
out = fluid.layers.concat(input=[Efirst, Esecond, Ethird, Efourth])

create_global_var

paddle.fluid.layers.createglobal_var(_shape, value, dtype, persistable=False, force_cpu=False, name=None)
在全局块中创建一个新的带有 value 的张量。
参数：
- shape (list[int])-变量的维度
- value (float)-变量的值。填充新创建的变量
- dtype (string)-变量的数据类型
- persistable (bool)-如果是永久变量。默认：False
- force_cpu (bool)-将该变量压入CPU。默认：False
- name (str|None)-变量名。如果设为空，则自动创建变量名。默认：None.返回：创建的变量

返回类型：变量（Variable）

代码示例：

import paddle.fluid as fluid
import paddle.fluid.layers as layers
var = layers.create_global_var(shape=[2,3], value=1.0, dtype='float32',
                 persistable=True, force_cpu=True, name='new_var')

create_parameter

paddle.fluid.layers.createparameter(_shape, dtype, name=None, attr=None, is_bias=False, default_initializer=None)
创建一个参数。该参数是一个可学习的变量，拥有梯度并且可优化。

注：这是一个低级别的API。如果您希望自己创建新的op，这个API将非常有用，无需使用layers。

参数：
- shape (list[int])-参数的维度
- dtype (string)-参数的元素类型
- attr (ParamAttr)-参数的属性
- is_bias (bool)-当default_initializer为空，该值会对选择哪个默认初始化程序产生影响。如果is_bias为真，则使用initializer.Constant(0.0)，否则使用Xavier()。
- default_initializer (Initializer)-参数的初始化程序返回：创建的参数

代码示例：

import paddle.fluid as fluid
import paddle.fluid.layers as layers
W = fluid.layers.create_parameter(shape=[784, 200], dtype='float32')

create_tensor

paddle.fluid.layers.createtensor(_dtype, name=None, persistable=False)
创建一个变量，存储数据类型为dtype的LoDTensor。
参数：
- dtype (string)-“float32”|“int32”|…, 创建张量的数据类型。
- name (string)-创建张量的名称。如果未设置，则随机取一个唯一的名称。
- persistable (bool)-是否将创建的张量设置为 persistable返回：一个张量，存储着创建的张量

返回类型：变量（Variable）

代码示例：

import paddle.fluid as fluid
tensor = fluid.layers.create_tensor(dtype='float32')

diag

paddle.fluid.layers.diag(diagonal)
该功能创建一个方阵，含有diagonal指定的对角线值。
参数：
- diagonal (Variable|numpy.ndarray) - 指定对角线值的输入张量，其秩应为1。返回：存储着方阵的张量变量

返回类型：变量（Variable）

代码示例：

#  [3, 0, 0]
#  [0, 4, 0]
#  [0, 0, 5]
import paddle.fluid as fluid
data = fluid.layers.diag(np.arange(3, 6))

fill_constant

paddle.fluid.layers.fillconstant(_shape, dtype, value, force_cpu=False, out=None)
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。

创建张量的属性stop_gradient设为True。

参数：
- shape (tuple|list|None)-输出张量的形状
- dtype (np.dtype|core.VarDesc.VarType|str)-输出张量的数据类型
- value (float)-用于初始化输出张量的常量值
- out (Variable)-输出张量
- force_cpu (True|False)-若设为true,数据必须在CPU上返回：存储着输出的张量

返回类型：变量（Variable）

代码示例：

import paddle.fluid as fluid
data = fluid.layers.fill_constant(shape=[1], value=0, dtype='int64')

fill_constant_batch_size_like

paddle.fluid.layers.fillconstant_batch_size_like(_input, shape, dtype, value, input_dim_idx=0, output_dim_idx=0)
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：
- input (Variable)-张量，其第input_dim_idx维可指定batch_size
- shape (INTS)-输出的形状
- 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
- input_dim_idx (INT)-默认为0.输入批尺寸维的索引
- output_dim_idx (INT)-默认为0.输出批尺寸维的索引返回：具有特定形状和值的张量

代码示例：

import paddle.fluid as fluid
like = fluid.layers.data(name='like', shape=[1], dtype='float32')
data = fluid.layers.fill_constant_batch_size_like(
            input=like, shape=[1], value=0, dtype='int64')

has_inf

paddle.fluid.layers.hasinf(_x)
测试x是否包括一个无穷数
参数：
- x(variable) - 用于被检查的Tensor/LoDTensor返回： tensor变量存储输出值，包含一个bool型数值

返回类型：Variable

代码示例：

import paddle.fluid as fluid
data = fluid.layers.data(name="input", shape=[4, 32, 32], dtype="float32")
res = fluid.layers.has_inf(data)

has_nan

paddle.fluid.layers.hasnan(_x)
测试x是否包含NAN
参数：
- x(variable) - 用于被检查的Tensor/LoDTensor返回： tensor变量存储输出值，包含一个bool型数值

返回类型：Variable

代码示例：

import paddle.fluid as fluid
data = fluid.layers.data(name="input", shape=[4, 32, 32], dtype="float32")
res = fluid.layers.has_nan(data)

isfinite

paddle.fluid.layers.isfinite(x)
测试x是否包含无穷大/NAN值，如果所有元素都是有穷数，返回Ture,否则返回False
参数：
- x(variable) - 用于被检查的Tensor/LoDTensor返回: Variable: tensor变量存储输出值，包含一个bool型数值

返回类型：Variable

代码示例：

import paddle.fluid as fluid
var = fluid.layers.data(name="data",
                        shape=(4, 6),
                        dtype="float32")
out = fluid.layers.isfinite(v)

linspace

paddle.fluid.layers.linspace(start, stop, num, dtype)
在给定区间内返回固定数目的均匀间隔的值。

第一个entry是start，最后一个entry是stop。在Num为1的情况下，仅返回start。类似numpy的linspace功能。

参数：
- start (float|Variable)-序列中的第一个entry。它是一个浮点标量，或是一个数据类型为’float32’|’float64’、形状为[1]的张量。
- stop (float|Variable)-序列中的最后一个entry。它是一个浮点标量，或是一个数据类型为’float32’|’float64’、形状为[1]的张量。
- num (int|Variable)-序列中的entry数。它是一个整型标量，或是一个数据类型为int32、形状为[1]的张量。
- dtype (string)-‘float32’|’float64’，输出张量的数据类型。返回：存储一维张量的张量变量

返回类型：变量（Variable）

代码示例：

import paddle.fluid as fluid
data = fluid.layers.linspace(0, 10, 5, 'float32') # [0.0,  2.5,  5.0,  7.5, 10.0]
data = fluid.layers.linspace(0, 10, 1, 'float32') # [0.0]

ones

paddle.fluid.layers.ones(shape, dtype, force_cpu=False)
ones

该功能创建一个张量，有具体的维度和dtype，初始值为1。

也将stop_gradient设置为True。

参数：
- shape (tuple|list)-输出张量的维
- dtype (np.dtype|core.VarDesc.VarType|str)-输出张量的数据类型返回：存储在输出中的张量

返回类型：变量（Variable）

代码示例：

import paddle.fluid as fluid
data = fluid.layers.ones(shape=[1], dtype='int64')

range

paddle.fluid.layers.range(start, end, step, dtype)
均匀分隔给定数值区间，并返回该分隔结果。

返回值在半开区间[start，stop)内生成（即包括起点start但不包括终点stop的区间）。

参数：
- start （int | float | Variable） - 区间起点，且区间包括此值。
- end （int | float | Variable） - 区间终点，通常区间不包括此值。但当step不是整数，且浮点数取整会影响out的长度时例外。
- step （int | float | Variable） - 返回结果中数值之间的间距（步长）。对于任何输出变量out，step是两个相邻值之间的距离，即out [i + 1] - out [i]。默认为1。
- dtype （string） - ‘float32’|’int32’| …，输出张量的数据类型。返回：均匀分割给定数值区间后得到的值组

代码示例：

import paddle.fluid as fluid
data = fluid.layers.range(0, 10, 2, 'int32')

reverse

paddle.fluid.layers.reverse(x, axis)
reverse

该功能将给定轴上的输入‘x’逆序

参数：
- x (Variable)-预逆序的输入
- axis (int|tuple|list) - 元素逆序排列的轴。如果该参数是一个元组或列表，则对该参数中每个元素值所指定的轴上进行逆序运算。返回：逆序的张量

返回类型：变量（Variable）

代码示例：

import paddle.fluid as fluid
data = fluid.layers.data(name="data", shape=[4, 8], dtype="float32")
out = fluid.layers.reverse(x=data, axis=0)
# or:
out = fluid.layers.reverse(x=data, axis=[0,1])

sums

paddle.fluid.layers.sums(input, out=None)
该函数对输入进行求和，并返回求和结果作为输出。
参数：
- input (Variable|list)-输入张量，有需要求和的元素
- out (Variable|None)-输出参数。求和结果。默认：None返回：输入的求和。和参数’out’等同

返回类型：变量（Variable）

代码示例：

import paddle.fluid as fluid
 
# sum of several tensors
a0 = fluid.layers.fill_constant(shape=[1], dtype='int64', value=1)
a1 = fluid.layers.fill_constant(shape=[1], dtype='int64', value=2)
a2 = fluid.layers.fill_constant(shape=[1], dtype='int64', value=3)
sums = fluid.layers.sums(input=[a0, a1, a2])
 
# sum of a tensor array
array = fluid.layers.create_array('int64')
i = fluid.layers.zeros(shape=[1], dtype='int64', force_cpu=True)
fluid.layers.array_write(a0, array=array, i=i)
i = fluid.layers.increment(x=i)
fluid.layers.array_write(a1, array=array, i=i)
i = fluid.layers.increment(x=i)
fluid.layers.array_write(a2, array=array, i=i)
sums = fluid.layers.sums(input=array)

tensor_array_to_tensor

paddle.fluid.layers.tensorarray_to_tensor(_input, axis=1, name=None)
此函数在指定轴上连接LodTensorArray中的元素，并将其作为输出返回。

简单示例如下：

Given:
input.data = {[[0.6, 0.1, 0.3],
               [0.5, 0.3, 0.2]],
              [[1.3],
               [1.8]],
              [[2.3, 2.1],
               [2.5, 2.4]]}
 
axis = 1
 
Then:
output.data = [[0.6, 0.1, 0.3, 1.3, 2.3, 2.1],
               [0.5, 0.3, 0.2, 1.8, 2.5, 2.4]]
output_index.data = [3, 1, 2]

参数：
- input (list) - 输入的LodTensorArray
- axis (int) - 整数轴，tensor将会和它连接在一起
- name (str|None) - 该layer的名字，可选。如果设置为none，layer将会被自动命名
返回：
Variable: 连接的输出变量,输入LodTensorArray沿指定axis连接。返回类型： Variable

代码示例：

import paddle.fluid as fluid
tensor_array = fluid.layers.create_parameter(shape=[784, 200], dtype='float32')
output, output_index = fluid.layers.tensor_array_to_tensor(input=tensor_array)

zeros

paddle.fluid.layers.zeros(shape, dtype, force_cpu=False)
zeros

该函数创建一个张量，含有具体的维度和dtype，初始值为0.

也将stop_gradient设置为True。

参数：
- shape (tuple|list|None)-输出张量的维
- dtype (np.dtype|core.VarDesc.VarType|str)-输出张量的数据类型
- force_cpu (bool,default False)-是否将输出保留在CPU上返回：存储在输出中的张量

返回类型：变量（Variable）

代码示例：

import paddle.fluid as fluid
data = fluid.layers.zeros(shape=[1], dtype='int64')

zeros_like

paddle.fluid.layers.zeroslike(_x, out=None)
zeros_like

该函数创建一个和x具有相同的形状和数据类型的全零张量

参数：
- x (Variable)-指定形状和数据类型的输入张量
- out (Variable)-输出张量返回：存储输出的张量变量

返回类型：变量（Variable）

代码示例：

import paddle.fluid as fluid
x = fluid.layers.data(name='x', dtype='float32', shape=[3], append_batch_size=False)
data = fluid.layers.zeros_like(x) # [0.0, 0.0, 0.0]