paddle.nn

paddle.nn 目录下包含飞桨框架支持的神经网络层和相关函数的相关 API。具体如下：

容器相关

API 名称

API 功能

基于 OOD 实现的动态图 Layer

用于保存子层列表

参数列表容器

顺序容器；子 Layer 将按构造函数参数的顺序添加到此容器中

保存子层到有序字典中，它包含的子层将被正确地注册和添加

卷积层

API 名称

API 功能

一维卷积层

一维转置卷积层

二维卷积层

二维转置卷积层

三维卷积层

三维转置卷积层

pooling 层

API 名称

API 功能

一维自适应平均池化层

二维自适应平均池化层

三维自适应平均池化层

一维自适应最大池化层

二维自适应最大池化层

三维自适应最大池化层

一维平均池化层

二维平均池化层

三维平均池化层

一维最大池化层

二维最大池化层

三维最大池化层

一维最大反池化层

二维最大反池化层

三维最大反池化层

Padding 层

API 名称

API 功能

一维填充层

二维填充层

三维填充层

二维零填充层

激活层

API 名称

API 功能

CELU 激活层

ELU 激活层

GELU 激活层

Hardshrink 激活层

Hardsigmoid 激活层

Hardswish 激活层

Hardtanh 激活层

LeakyReLU 激活层

LogSigmoid 激活层

LogSoftmax 激活层

Maxout 激活层

PReLU 激活层

RReLU 激活层

ReLU 激活层

ReLU6 激活层

SELU 激活层

Sigmoid 激活层

Silu 激活层

Softmax 激活层

Softmax2D 激活层

Softplus 激活层

Softshrink 激活层

Softsign 激活层

Swish 激活层

Mish 激活层

Tanh 激活层

Tanhshrink 激活层

Thresholded ReLU 激活层

Normalization 层

API 名称

API 功能

Batch Normalization 层

一维 Batch Normalization 层

二维 Batch Normalization 层

三维 Batch Normalization 层

Group Normalization 层

一维 Instance Normalization 层

paddle.nn.InstanceNorm2D

二维 Instance Normalization 层

paddle.nn.InstanceNorm3D

三维 Instance Normalization 层

用于保存 Normalization 层列表

Local Response Normalization 层

Spectral Normalization 层

Synchronized Batch Normalization 层

循环神经网络层

API 名称

API 功能

双向循环神经网络

门控循环单元网络

门控循环单元

长短期记忆网络

长短期记忆网络单元

循环神经网络

循环神经网络单元基类

简单循环神经网络

简单循环神经网络单元

Transformer 相关

API 名称

API 功能

多头注意力机制

Transformer 模型

Transformer 解码器

Transformer 解码器层

Transformer 编码器

Transformer 编码器层

线性层

API 名称

API 功能

对两个输入执行双线性 Tensor 积

线性变换层

Dropout 层

API 名称

API 功能

具有自归一化性质的 dropout

Dropout

一维 Dropout

二维 Dropout

Embedding 层

API 名称

API 功能

嵌入层(Embedding Layer)

Loss 层

API 名称

API 功能

BCELoss 层

BCEWithLogitsLoss 层

paddle.nn.CosineEmbeddingLoss

CosineEmbeddingLoss 层

交叉熵损失层

CTCLoss 层

层次 sigmoid 损失层

Kullback-Leibler 散度损失层

L1 损失层

MarginRankingLoss 层

均方差误差损失层

NLLLoss 层

GaussianNLLLoss 层

PoissonNLLLoss 层

平滑 L1 损失层

SoftMarginLoss 层

TripletMarginLoss 层

TripletMarginWithDistanceLoss 层

多标签 Hinge 损失层

MultiMarginLoss 层

Vision 层

API 名称

API 功能

将一个形为[N, C, H, W]或是[N, H, W, C]的 Tensor 按通道分成 g 组，得到形为[N, g, C/g, H, W]或[N, H, W, g, C/g]的 Tensor，然后转置为[N, C/g, g, H, W]或[N, H, W, C/g, g]的形状，最后重新排列为原来的形状

将一个形为[N, C, H, W]或是[N, H, W, C]的 Tensor 重新排列成形为 [N, C/r**2, H*r, W*r]或 [N, H*r, W*r, C/r**2] 的 Tensor

PixelShuffle 的逆操作，将一个形为[N, C, H, W]或是[N, H, W, C]的 Tensor 重新排列成形为 [N, C*r*r, H/r, W/r] 或 [N, H/r, W/r, C*r*r] 的 Tensor

用于调整一个 batch 中图片的大小

用于调整一个 batch 中图片的大小（使用双线性插值方法）

用于调整一个 batch 中图片的大小（使用最近邻插值方法）

Clip 相关

API 名称

API 功能

将一个 Tensor 列表 t_list 中所有 Tensor 的 L2 范数之和，限定在 clip_norm 范围内

将输入的多维 Tensor X 的 L2 范数限制在 clip_norm 范围之内

将输入的多维 Tensor X 的值限制在 [min, max] 范围

公共层

API 名称

API 功能

带 beam search 解码策略的解码器

余弦相似度计算

循环解码

将一个连续维度的 Tensor 展平成一维 Tensor

计算两组向量两两之间的距离

建立等效层，作为输入的 Placeholder

实现的功能与卷积中用到的 im2col 函数一样，通常也被称作为 im2col 过程

该 Op 用于将一个滑动局部块组合成一个大的 Tensor,通常也被称为 col2im 过程

将输入 Tensor 沿指定轴 axis 上的维度展成 shape 形状

卷积相关函数

API 名称

API 功能

一维卷积函数

一维转置卷积函数

二维卷积函数

二维转置卷积函数

三维卷积函数

三维转置卷积函数

Pooling 相关函数

API 名称

API 功能

一维自适应平均池化

二维自适应平均池化

三维自适应平均池化

一维自适应最大池化

二维自适应最大池化

三维自适应最大池化

一维平均池化

二维平均池化

三维平均池化

一维最大池化

二维最大池化

三维最大池化

一维最大反池化层

二维最大反池化层

三维最大反池化层

Padding 相关函数

API 名称

API 功能

依照 pad 和 mode 属性对 input 进行填充

依照 pad 对 x 进行零填充

激活函数

API 名称

API 功能

celu 激活函数

elu 激活函数

Inplace 版本的 elu API，对输入 x 采用 Inplace 策略

gelu 激活函数

gumbel_softmax 采样激活函数

hardshrink 激活函数

sigmoid 的分段线性逼近激活函数

hardswish 激活函数

hardtanh 激活函数

leaky_relu 激活函数

log_sigmoid 激活函数

log_softmax 激活函数

maxout 激活函数

prelu 激活函数

rrelu 激活函数

relu 激活函数

Inplace 版本的 relu API，对输入 x 采用 Inplace 策略

relu6 激活函数

selu 激活函数

sigmoid 激活函数

silu 激活函数

softmax 激活函数

Inplace 版本的 softmax API，对输入 x 采用 Inplace 策略

softplus 激活函数

softshrink 激活函数

softsign 激活函数

swish 激活函数

mish 激活函数

tanhshrink 激活函数

thresholded_relu 激活函数

Normalization 方法

API 名称

API 功能

Local Response Normalization 函数

归一化方法

移除传入 layer 中的权重归一化

对传入的 layer 中的权重参数进行归一化

对传入的 layer 中的权重参数进行谱归一化

线性处理相关函数

API 名称

API 功能

对两个输入执行双线性 Tensor 积

线性变换

Dropout 方法

API 名称

API 功能

一种具有自归一化性质的 dropout

Dropout

一维 Dropout

二维 Dropout

Embedding 相关函数

API 名称

API 功能

对角线 Embedding 方法

Embedding 方法

损失函数

API 名称

API 功能

二值交叉熵损失值

logits 二值交叉熵损失值

paddle.nn.functional.cosine_embedding_loss

用于计算余弦相似度损失

用于计算 ctc 损失

用于比较预测结果跟标签之间的相似度

层次 sigmoid 损失函数

用于计算 L1 损失

用于计算泊松分布的负对数似然损失

用于计算 KL 散度损失

用于计算负对数损失

用于计算 margin rank loss 损失

用于计算均方差误差

用于计算 nll 损失

用于计算 gaussiannll 损失

成对数据损失计算

用于计算分类任务中前景类-背景类数量不均衡问题的损失

用于计算平滑 L1 损失

将 softmax 操作、交叉熵损失函数的计算过程进行合并

支持 Arcface，Cosface，Sphereface 的结合 Margin 损失函数

paddle.nn.functional.soft_margin_loss

用于计算 soft margin loss 损失函数

用于计算 TripletMarginLoss

用户自定义距离函数用于计算 triplet margin loss 损失

paddle.nn.functional.multi_label_soft_margin_loss

用于计算多分类的 hinge loss 损失函数

用于计算 multi margin loss 损失函数

公用方法

API 名称

API 功能

用于生成仿射变换前后的 feature maps 的坐标映射关系

用于计算 x1 与 x2 沿 axis 维度的余弦相似度

计算输入 input 和标签 label 间的交叉熵

用于调整一个 batch 中图片的大小

标签平滑

将输入'x'中的每个 id 转换为一个 one-hot 向量

将 Tensor 重新排列

将 Tensor 重新排列，是 pixel_shuffle 的逆操作

用于计算预测值和目标值的方差估计

对每一个卷积核覆盖下的区域，将元素重新排成一列

用于将一个滑动局部块组合成一个大的 Tensor,通常也被称为 col2im。

整个束搜索结束后使用,获得每个时间步选择的的候选词 id 及其对应的在搜索树中的 parent 节点

门控线性单元

计算两组向量两两之间的距离

用于调整一个 batch 中图片的大小

根据输入 x 和 maxlen 输出一个掩码，数据类型为 dtype

用于对输入 X 做时序通道 T 上的位移操作，为 TSM 中使用的操作

用于调整一个 batch 中图片的大小

用于 PartialFC 类别中心采样

初始化相关

API 名称

API 功能

使用 Numpy 数组、Python 列表、Tensor 来初始化参数

该接口为参数初始化函数，用于转置卷积函数中

用于权重初始化，通过输入的 value 值初始化输入变量

实现 Kaiming 正态分布方式的权重初始化

实现 Kaiming 均匀分布方式的权重初始化

随机正态（高斯）分布初始化函数

用于设置 Paddle 框架中全局的参数初始化方法

获取某些激活函数的推荐增益值（增益值可用于对某些初始化 API 进行设置，以调整初始化值）

通过狄拉克 delta 函数来初始化 3D/4D/5D Tensor，一般用于卷积层，能最大程度保留卷积层输入的特性

正交矩阵初始化方式，被初始化的参数为（半）正交的

随机截断正态（高斯）分布初始化函数

随机均匀分布初始化函数

实现 Xavier 权重初始化方法（ Xavier weight initializer）

实现 Xavier 权重初始化方法（ Xavier weight initializer）