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。

如果想输入变长输入,可以使用 paddle.fluid.data 时将变长维度设为-1,或者直接输入 paddle.fluid.layers.data 且PaddlePaddle会按具体输入的形状运行。

本API创建的变量默认 stop_gradient 属性为true,这意味这反向梯度不会被传递过这个数据变量。如果用户想传递反向梯度,可以设置 var.stop_gradient = False

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