data

  • paddle.fluid.data(name, shape, dtype='float32', lod_level=0)[源代码]

该OP会在全局block中创建变量(Variable),该全局变量可被计算图中的算子(operator)访问。该变量可作为占位符用于数据输入。例如用执行器(Executor)feed数据进该变量

注意:

不推荐使用 paddle.fluid.layers.data ,其在之后的版本中会被删除。请使用这个 paddle.fluid.data

paddle.fluid.layers.data 在组网期间会设置创建的变量维度(shape)和数据类型(dtype),但不会检查输入数据的维度和数据类型是否符合要求。 paddle.fluid.data 会在运行过程中由Executor/ParallelExecutor检查输入数据的维度和数据类型。

  • 参数:
    • name (str)- 被创建的变量的名字,具体用法请参见 Name
    • shape (list|tuple)- 声明维度信息的list或tuple。
    • dtype (np.dtype|VarType|str,可选)- 数据类型,支持bool,float16,float32,float64,int8,int16,int32,int64,uint8。默认值为float32。
    • lod_level (int,可选)- LoDTensor变量的LoD level数,LoD level是PaddlePaddle的高级特性,一般任务中不会需要更改此默认值,关于LoD level的详细适用场景和用法请见 LoDTensor 。默认值为0。

返回:全局变量,可进行数据访问

返回类型:Variable

代码示例

  1. import paddle.fluid as fluid
  2. import numpy as np
  3.  
  4. # Creates a variable with fixed size [3, 2, 1]
  5. # User can only feed data of the same shape to x
  6. x = fluid.data(name='x', shape=[3, 2, 1], dtype='float32')
  7.  
  8. # Creates a variable with changable batch size -1.
  9. # Users can feed data of any batch size into y,
  10. # but size of each data sample has to be [2, 1]
  11. y = fluid.data(name='y', shape=[-1, 2, 1], dtype='float32')
  12.  
  13. z = x + y
  14.  
  15. # In this example, we will feed x and y with np-ndarry "1"
  16. # and fetch z, like implementing "1 + 1 = 2" in PaddlePaddle
  17. feed_data = np.ones(shape=[3, 2, 1], dtype=np.float32)
  18.  
  19. exe = fluid.Executor(fluid.CPUPlace())
  20. out = exe.run(fluid.default_main_program(),
  21. feed={
  22. 'x': feed_data,
  23. 'y': feed_data
  24. },
  25. fetch_list=[z.name])
  26.  
  27. # np-ndarray of shape=[3, 2, 1], dtype=float32, whose elements are 2
  28. print(out)