data¶
会在全局 block 中创建变量（Tensor），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）输入数据进该变量，当 dtype 为 None 时，dtype 将通过 padle.get_default_dtype() 获取全局类型。
参数¶
name (str) - 变量名，具体用法请参见 Name。
shape (list|tuple)- 声明维度信息的 list 或 tuple。可以在某个维度上设置 None 或-1，以指示该维度可以是任何大小。例如，将可变 batchsize 设置为 None 或-1。
dtype (np.dtype|str，可选)- 数据类型，支持 bool，float16，float32，float64，int8，int16，int32，int64，uint8。默认值为 None。当
dtype为 None 时，dtype将通过padle.get_default_dtype()获取全局类型。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。默认值为 0。
返回¶
Tensor，全局变量，可进行数据访问。
代码示例¶
>>> import numpy as np
>>> import paddle
>>> paddle.enable_static()
# Creates a variable with fixed size [3, 2, 1]
# User can only feed data of the same shape to x
# the dtype is not set, so it will set "float32" by
# paddle.get_default_dtype(). You can use paddle.get_default_dtype() to
# change the global dtype
>>> x = paddle.static.data(name='x', shape=[3, 2, 1])
# Creates a variable with changeable batch size -1.
# Users can feed data of any batch size into y,
# but size of each data sample has to be [2, 1]
>>> y = paddle.static.data(name='y', shape=[-1, 2, 1], dtype='float32')
>>> z = x + y
# In this example, we will feed x and y with np-ndarray "1"
# and fetch z, like implementing "1 + 1 = 2" in PaddlePaddle
>>> feed_data = np.ones(shape=[3, 2, 1], dtype=np.float32)
>>> exe = paddle.static.Executor(paddle.framework.CPUPlace())
>>> out = exe.run(paddle.static.default_main_program(),
... feed={
... 'x': feed_data,
... 'y': feed_data
... },
... fetch_list=[z.name])
# np-ndarray of shape=[3, 2, 1], dtype=float32, whose elements are 2
>>> print(out)
[array([[[2.],
[2.]],
[[2.],
[2.]],
[[2.],
[2.]]], dtype=float32)]