sum

paddle.fluid.layers. sum ( x ) [源代码]

该OP用于对输入的一至多个Tensor或LoDTensor求和。如果输入的是LoDTensor，输出仅与第一个输入共享LoD信息（序列信息）。

例1：

输入：
    input.shape = [2, 3]
    input = [[1, 2, 3],
              [4, 5, 6]]

输出：
    output.shape = [2, 3]
    output = [[1, 2, 3],
              [4, 5, 6]]

例2：

输入：
    第一个输入：
        input1.shape = [2, 3]
        input1 = [[1, 2, 3],
                  [4, 5, 6]]

    第二个输入：
        input2.shape = [2, 3]
        input2 = [[7, 8, 9],
                  [10, 11, 12]]

输出：
    output.shape = [2, 3]
    output = [[8, 10, 12],
              [14, 16, 18]]
参数：

x (Variable|list(Variable)) - 输入的一至多个Variable。如果输入了多个Variable，则不同Variable间的shape和数据类型应保持一致。Variable为多维Tensor或LoDTensor，数据类型支持：float32，float64，int32，int64

返回：对输入 x 中的Variable求和后的结果，shape和数据类型与 x 一致

返回类型：Variable

代码示例：

import paddle.fluid as fluid
input0 = fluid.layers.fill_constant(shape=[2, 3], dtype='int64', value=5)
input1 = fluid.layers.fill_constant(shape=[2, 3], dtype='int64', value=3)
sum = fluid.layers.sum([input0, input1])

#用户可以通过executor打印出求和的结果
out = fluid.layers.Print(sum, message="the sum of input0 and input1: ")
exe = fluid.Executor(fluid.CPUPlace())
exe.run(fluid.default_main_program())

#打印出的数据为：
1570701754      the sum of input0 and input1:   The place is:CPUPlace
Tensor[sum_0.tmp_0]
        shape: [2,3,]
        dtype: l
        data: 8,8,8,8,8,8,

#输出了shape为[2,3]的Tensor，与输入的shape一致
#dtype为对应C++数据类型，在不同环境下可能显示值不同，但本质相同
#例如：如果Tensor中数据类型是int64，则对应的C++数据类型为int64_t，所以dtype值为typeid(int64_t).name()，
#      其在MacOS下为'x'，linux下为'l'，Windows下为'__int64'，都表示64位整型变量