less_than

  • paddle.fluid.layers.less_than(x, y, force_cpu=None, cond=None)[源代码]

该OP逐元素地返回

less_than - 图1 的逻辑值，使用重载算子 < 可以有相同的计算函数效果

  • 参数：
    • x (Variable) - 进行比较的第一个输入，是一个多维的LoDTensor/Tensor，数据类型可以是float32，float64，int32，int64。
    • y (Variable) - 进行比较的第二个输入，是一个多维的LoDTensor/Tensor，数据类型可以是float32，float64，int32，int64。
    • force_cpu (bool) – 如果为True则强制将输出变量写入CPU内存中，否则将其写入目前所在的运算设备上。默认值为False。注意：该属性已弃用，其值始终是False。
    • cond (Variable，可选) – 指定算子输出结果的LoDTensor/Tensor，可以是程序中已经创建的任何Variable。默认值为None，此时将创建新的Variable来保存输出结果。

返回：输出结果的LoDTensor/Tensor，数据的shape和输入x一致。

返回类型： Variable，数据类型为bool。

代码示例:

  1. import paddle.fluid as fluid
  2. import numpy as np
  3.  
  4. # Graph Organizing
  5. x = fluid.layers.data(name='x', shape=[2], dtype='float64')
  6. y = fluid.layers.data(name='y', shape=[2], dtype='float64')
  7. result = fluid.layers.less_than(x=x, y=y)
  8. # The comment lists another available method.
  9. # result = fluid.layers.fill_constant(shape=[2], dtype='float64', value=0)
  10. # fluid.layers.less_than(x=x, y=y, cond=result)
  11.  
  12. # Create an executor using CPU as example
  13. exe = fluid.Executor(fluid.CPUPlace())
  14. exe.run(fluid.default_startup_program())
  15.  
  16. # Execute
  17. x_i = np.array([[1, 2], [3, 4]]).astype(np.float64)
  18. y_i = np.array([[2, 2], [1, 3]]).astype(np.float64)
  19. result_value, = exe.run(fluid.default_main_program(), feed={'x':x_i, 'y':y_i}, fetch_list=[result])
  20. print(result_value) # [[True, False], [False, False]]