elementwise_mul

paddle.fluid.layers.elementwise_mul(x, y, axis=-1, act=None, name=None)[源代码]

该OP是逐元素相乘算子，输入 x 与输入 y 逐元素相乘，并将各个位置的输出元素保存到返回结果中。

等式是：

• 

  ：多维Tensor。

• 

  ：维度必须小于等于X维度的Tensor。

对于这个运算算子有2种情况：

1. 

   的 shape 与

   

   相同。

2. 

   的 shape 是

   

   的连续子序列。

对于情况2:

1. 用

   

   匹配

   

   的形状（shape），其中 axis 是

   

   在

   

   上的起始维度的位置。

2. 如果 axis 为-1（默认值），则

   

   。

3. 考虑到子序列，

   

   的大小为1的尾部维度将被忽略，例如shape（Y）=（2,1）=>（2）。

例如：

shape(X) = (2, 3, 4, 5), shape(Y) = (,)
shape(X) = (2, 3, 4, 5), shape(Y) = (5,)
shape(X) = (2, 3, 4, 5), shape(Y) = (4, 5), with axis=-1(default) or axis=2
shape(X) = (2, 3, 4, 5), shape(Y) = (3, 4), with axis=1
shape(X) = (2, 3, 4, 5), shape(Y) = (2), with axis=0
shape(X) = (2, 3, 4, 5), shape(Y) = (2, 1), with axis=0

参数

• x （Variable）- 多维 Tensor 或 LoDTensor 。数据类型为 float32 、 float64 、 int32 或 int64。
• y （Variable）- 多维 Tensor 或 LoDTensor 。数据类型为 float32 、 float64 、 int32 或 int64。
• axis （int32，可选）- y 的维度对应到 x 维度上时的索引。默认值为 -1。
• act （str，可选）- 激活函数名称，作用于输出上。默认值为None。详细请参考 激活函数 ， 常见的激活函数有: relutanhsigmoid 等。
• name （str，可选）- 输出的名字。默认值为None。该参数供开发人员打印调试信息时使用，具体用法请参见 Name 。

返回

维度与 x 相同的 Tensor 或 LoDTensor ，数据类型与 x 相同。

返回类型

Variable。

代码示例 1

import paddle.fluid as fluid
import numpy as np
def gen_data():
    return {
        "x": np.array([2, 3, 4]),
        "y": np.array([1, 5, 2])
    }
x = fluid.layers.data(name="x", shape=[3], dtype='float32')
y = fluid.layers.data(name="y", shape=[3], dtype='float32')
z = fluid.layers.elementwise_mul(x, y)
# z = x * y
place = fluid.CPUPlace()
exe = fluid.Executor(place)
z_value = exe.run(feed=gen_data(),
                    fetch_list=[z.name])
print(z_value) # [2., 15., 8.]

代码示例 2

import paddle.fluid as fluid
import numpy as np
def gen_data():
    return {
        "x": np.random.randint(1, 5, size=[2, 3, 4, 5]).astype('float32'),
        "y": np.random.randint(1, 5, size=[3, 4]).astype('float32')
    }
x = fluid.layers.data(name="x", shape=[2,3,4,5], dtype='float32')
y = fluid.layers.data(name="y", shape=[3,4], dtype='float32')
z = fluid.layers.elementwise_mul(x, y, axis=1)
# z = x * y
place = fluid.CPUPlace()
exe = fluid.Executor(place)
z_value = exe.run(feed=gen_data(),
                    fetch_list=[z.name])
print(z_value) # z.shape=[2,3,4,5]

代码示例 3

import paddle.fluid as fluid
import numpy as np
def gen_data():
    return {
        "x": np.random.randint(1, 5, size=[2, 3, 4, 5]).astype('float32'),
        "y": np.random.randint(1, 5, size=[5]).astype('float32')
    }
x = fluid.layers.data(name="x", shape=[2,3,4,5], dtype='float32')
y = fluid.layers.data(name="y", shape=[3,4], dtype='float32')
z = fluid.layers.elementwise_mul(x, y, axis=3)
# z = x * y
place = fluid.CPUPlace()
exe = fluid.Executor(place)
z_value = exe.run(feed=gen_data(),
                    fetch_list=[z.name])
print(z_value) # z.shape=[2,3,4,5]