scale

paddle.fluid.layers.scale(x, scale=1.0, bias=0.0, bias_after_scale=True, act=None, name=None)[源代码]

缩放算子。

对输入Tensor进行缩放和偏置，其公式如下：

bias_after_scale 为True:

scale - 图1

bias_after_scale 为False:

scale - 图2

参数

  • x (Variable) - 要进行缩放的多维Tensor，数据类型可以为float32，float64，int8，int16，int32，int64，uint8。
  • scale (float|Variable) - 缩放的比例，是一个float类型或者一个shape为[1]，数据类型为float32的Variable类型。
  • bias (float) - 缩放的偏置。
  • bias_after_scale (bool) - 判断在缩放之前或之后添加偏置。为True时，先缩放再偏置；为False时，先偏置再缩放。该参数在某些情况下，对数值稳定性很有用。
  • act (str，可选) - 应用于输出的激活函数，如tanh、softmax、sigmoid、relu等。
  • name (str，可选) - 具体用法请参见 Name ，一般无需设置，默认值为None。

返回

缩放后的输出Tensor。

返回类型

Variable(Tensor|LoDTensor)。

代码示例

  1. import paddle.fluid as fluid
  2. import numpy as np
  4. inputs = fluid.layers.data(name="x", shape=[2, 3], dtype='float32')
  5. output = fluid.layers.scale(inputs, scale = 2.0, bias = 1.0)
  7. exe = fluid.Executor(fluid.CPUPlace())
  8. exe.run(fluid.default_startup_program())
  10. img = np.array([[1, 2, 3], [4, 5, 6]]).astype(np.float32)
  12. res = exe.run(fluid.default_main_program(), feed={'x':img}, fetch_list=[output])
  13. print(res) # [array([[ 3.,  5.,  7.], [ 9., 11., 13.]], dtype=float32)]
  1. # scale with parameter scale as Variable
  2. import paddle.fluid as fluid
  3. import numpy as np
  5. inputs = fluid.layers.data(name="x", shape=[2, 3], dtype='float32')
  6. scale = fluid.layers.data(name="scale", shape=[1], dtype='float32'
  7.                           append_batch_size=False)
  8. output = fluid.layers.scale(inputs, scale = scale, bias = 1.0)
  10. exe = fluid.Executor(fluid.CPUPlace())
  11. exe.run(fluid.default_startup_program())
  13. img = np.array([[1, 2, 3], [4, 5, 6]]).astype(np.float32)
  14. scale_np = np.array([2.]).astype(np.float32)
  16. res = exe.run(fluid.default_main_program(), feed={'x':img, 'scale':scale_np}, fetch_list=[output])
  17. print(res) # [array([[ 3.,  5.,  7.], [ 9., 11., 13.]], dtype=float32)]