megengine.functional

import megengine.functional as F

注解

顾名思义，megengine.functional 模块中包含着所有与 Tensor 有关的计算接口：

• 与神经网络（Neural Network）相关的算子统一封装在 megengine.functional.nn 中；

• 分布式算子统一封装在 megengine.functional.distributed 中，方便调用；

• 其它的常见算子均可在 megengine.functional 中直接调用；

参见

用户指南中对于 使用 Functional 操作与计算 有另外一套分类逻辑，可作为参考。

全局tensor操作

注解

该部分的 API 设计接纳了 Python 数据 API 标准联盟 中的倡导, 尽可能地向 NumPy API 靠拢。

创建功能

参见

如何创建一个 Tensor

arange	返回半开区间 [start, stop) 内均匀间隔的值组成的1维Tensor。
linspace	返回指定区间内均匀分布的数字。
eye	返回一个对角线全1而其他元素全0的二维张量。
diag	提取或者构造一个对角线向量
zeros	返回一个特定形状的元素全为 0 的张量。
zeros_like	返回一个跟输入tensor拥有相同shape和dtype的全零tensor。
ones	返回一个新创建的拥有指定shape且被1填充的tensor。
ones_like	使用输入 Tensor 来填充输出 Tensor，保持相同的形状和数据类型。
full	返回一个新的拥有指定 shape 且全部元素均为指定值的张量。
full_like	返回一个与输入张量形状相同的且值为给定值的零张量
complex	Constructs a complex tensor with its real part equal to real and its imaginary part equal to imag.
polar	Constructs a complex tensor whose elements are Cartesian coordinates corresponding to the polar coordinates with absolute value abs and angle angle.

操作功能

参见

如何对 Tensor 进行操作

copy	把张量复制到另一个设备上。
reshape	在不改变数据的情况下更改 Tensor 的形状。
flatten	通过将子张量从 start_axis 维展平到 end_axis 维，实现对张量的重塑（reshape）。
transpose	根据给定模板交换形状和步长。
swapaxes	交换一个 tensor 的两个坐标轴。
broadcast_to	将张量广播至指定的形状。
expand_dims	在给定轴之前添加维度。
squeeze	移除形状中下标为1的维度。
concat	拼接一些张量
stack	沿新轴对张量进行拼接。
split	将输入张量拆分成更小的张量。
tile	通过重复 inp 数据 reps 次来构造一个数组。
repeat	重复数组的元素。
roll	沿给定轴axis循环滚动张量
real	Returns a new tensor containing real values of the complex tensor.
imag	Returns a new tensor containing imaginary values of the complex tensor.
cross	Return the cross product of two (arrays of) vectors.

Arithmetic operations

add	逐元素相加。
sub	逐元素减法。
mul	逐元素乘法
div	逐元素除法。
floor_div	逐元素取整除法
neg	逐元素取反。
abs	将函数 \(\operatorname{abs}(x)\) 应用于每一个元素。
sign	元素求 sign
pow	逐元素幂。
mod	逐元素 \(\operatorname{mod}(x, y)\) 函数
sqrt	元素 \(\operatorname{sqrt}(x)\) 函数
square	元素 \(x^2\) 函数
maximum	Tensor中的逐元素最大值。
minimum	Tensor中的逐元素最小值。
round	逐元素的 \(\operatorname{round}(x)\) 函数.
ceil	逐元素 \(\lceil x \rceil\) 函数。
floor	逐元素 \(\lfloor x \rfloor\) 操作。
clip	逐元素裁切函数。
exp	逐元素 \(e^x\) 操作。
expm1	逐元素 \(e^x - 1\) 操作。
log	Element-wise \(\operatorname{log}(x)\) 方法。
log1p	Element-wise \(\log(1 + x)\) 方法.
logaddexp	Element-wise \(\log(e^x + e^y)\) 方法。

三角函数

sin	元素 \(\sin(x)\) 函数
cos	逐个元素的 \(\cos(x)\) 函数。
tan	元素 \(\tan(x)\) 函数
asin	逐元素 \(\arcsin(x)\) 函数。
acos	将函数 \(\arccos(x)\) 应用于每一个元素
atan	逐元素 \(\arctan(x)\) 函数。
atan2	逐元素 \(\arctan(\frac{y}{x})\) 函数。

双曲函数

sinh	元素 \(\sinh(x)\) 函数
cosh	Element-wise \(\cosh(x)\) function.
tanh	元素 \(\tanh(x)\) 函数
acosh	将函数 \(\cosh^{-1}(x)\) 应用于每一个元素。
asinh	逐元素 \(\sinh^{-1}(x)\) 函数。
atanh	逐元素 \(\tanh^{-1}(x)\) 函数。t

位操作

left_shift	逐个元素的左移。
right_shift	元素右移。

逻辑函数

isnan	逐个元素的 NaN 检查。
isinf	逐个元素的 infinity 检查。
logical_and	Element-wise 逻辑与（AND）。
logical_not	Element-wise 逻辑非（NOT）。
logical_or	逐元素逻辑或操作。
logical_xor	逐元素逻辑异或。
greater	逐元素的大于比较。
greater_equal	逐元素的大于或等于比较。
less	逐元素的小于比较。
less_equal	逐元素的小于或等于比较。
equal	逐元素相等比较。
not_equal	逐元素的不等式比较。

统计函数

sum	计算给定维度 (或坐标轴) 元素的求和结果。
cumsum	计算给定轴上的向量元素的累积和。
prod	计算张量元素在给定轴上的乘积。
mean	计算tensor在给定轴（或所有轴）上的平均值。
min	计算tensor在给定轴（或多个轴）上的最小值。
max	计算tensor在给定轴（或多个轴）上的最大值。
var	计算给定维度 (或坐标轴) 元素的方差
std	在给定的维度 (或坐标轴) 上计算元素的标准差。
norm	计算张量在给定轴上的范数。
normalize	返回在给定轴 axis 上 inp 张量每一行进行 \(L_p\) 归一化后的结果。

参见

想要返回 min, max 的索引而不是元素值，请参考 Searching Functions

线性代数函数

dot	计算两个向量 inp1 和 inp2 的点积。
matinv	计算一批矩阵的逆；输入必须满足 [...，n，n] 的形状。
matmul	对矩阵 inp1 和 inp2 进行矩阵乘法。
svd	计算矩阵(或一组矩阵) inp 的奇异值分解。

Indexing Functions

gather	使用 index 从 axis 上的 inp 聚合数据。
scatter	把 source 张量中所有的值通过 index 张量指定的索引位置上写入到输入张量中。
cond_take	如果在满足特定条件，则从数据中获取元素。
where	根据 mask 条件选择张量 x 或 y 作为对应的输出。

Searching Functions

argmin	返回沿给定轴的最小值的索引。
argmax	返回沿给定轴的最大值的索引。

Sorting Functions

sort	返回经过排序后的张量。
argsort	返回经过排序后的张量。
topk	按行排序，选出二维矩阵中 Top-K （默认情况下）个最小元素。

度量函数

topk_accuracy

根据给定的预测的logits和真实值标签计算分类准确率。

神经网络运算

卷积运算

conv1d	一维卷积运算。
conv2d	二维卷积运算。
conv3d	三维卷积运算。
local_conv2d	对4D输入tensor进行通道分组并应用非统一kernel的空间卷积操作。
conv_transpose2d	二维转置卷积运算。
conv_transpose3d	3D 转置卷积算子。
deformable_conv2d	可变形卷积
sliding_window	从多batch输入tensor中提取滑窗大小的局部分块。
sliding_window_transpose	对滑动窗口对应的输入数据求和。

池化函数

avg_pool2d	对输入进行二维平均池化。
max_pool2d	对输入张量进行二维最大池化。
adaptive_avg_pool2d	对输入进行二维平均池化。
adaptive_max_pool2d	对输入数据进行2D最大池化。
deformable_psroi_pooling	可变形的位置敏感的感兴趣区域池化

非线性激活函数

sigmoid	逐元素计算 1 / ( 1 + exp( -x ) ).
hsigmoid	逐元素计算 relu6(x + 3) / 6.
hswish	逐元素计算 x * relu6(x + 3) / 6.
relu	逐元素计算 max(x, 0).
relu6	逐元素计算 min(max(x, 0), 6).
prelu	逐元素进行 max(x, 0) + y * min(x, 0) 操作。
leaky_relu	LeakyReLU 函数。
silu	逐元素应用 SiLU 函数： x * sigmoid(x) 。
gelu	逐元素应用函数：
softplus	逐元素应用函数：
softmax	应用 \(\text{softmax}(x)\) 函数
logsoftmax	将 \(\log(\text{softmax}(x))\) 函数应用于一个 n 维 Tensor 输入上
logsigmoid	逐元素应用函数：
logsumexp	计算输入数据沿给定维度 axis 的指数之和的对数。该计算是数值稳定的。

标准化函数

batch_norm	对输入进行批标准化。
sync_batch_norm	对输入进同步批标准化。
layer_norm	对输入应用 layer normalization。
local_response_norm	对输入 Tensor 进行局部响应归一化。

线性函数

linear

对输入张量进行线性变换。

Dropout 函数

dropout

返回一个新的张量，其中每个元素以 P = drop_prob 的概率随机设置为零。

Sparse 函数

one_hot	对输入张量进行 one-hot 编码。
indexing_one_hot	对一些轴进行 One-hot 索引。
embedding	应用查找表进行 embedding。

损失函数

l1_loss	计算预测值 \(x\) 和标签值 \(y\) 的每个元素之间的平均绝对误差(MAE)。
square_loss	计算预测值 \(x\) 和标签值 \(y\) 之间的均方误差(平方L2范数)。
hinge_loss	计算支持向量机 SVM 中经常使用的 hinge loss。
binary_cross_entropy	计算 binary cross entropy loss（默认使用 logits）。
cross_entropy	计算 multi-class cross entropy loss（默认使用 logits）。
ctc_loss	计算 Connectionist Temporal Classification loss 。

视觉运算

cvt_color	将图像从一种格式转化成另一种格式。
pad	填充输入张量。
pixel_shuffle	将形状为 (..., C * r^2, H, W) 的张量的元素重排为一个形状为 (..., C, H * r, W * r) 的张量，其中 r 是一个放大系数， ... 是零个或更多的 batch 维度。
interpolate	根据给定的大小或缩放因子将输入张量进行上/下采样。
remap	对按批组织的二维图像进行重映射变换。
warp_affine	二维图像的批量仿射变换。
warp_perspective	对按批组织的二维图像进行透视变换。
roi_pooling	在指定输入的感兴趣区域上执行池化，并获得固定大小的特征图， 如Faster RCNN中所述
roi_align	RoI Align 是在指定输入的感兴趣区域上获得特征图，如 Mask R-CNN 论文中所述。
nms	根据小方框的 IoU 值进行 非最大值抑制（NMS）。
correlation	对输入进行相关性计算。
nvof	NVIDIA光流SDK的实现

量化函数

conv_bias_activation	带有激活函数的卷积偏置操作，仅用于推理
batch_conv_bias_activation	带有激活函数的批量卷积偏置，仅用于推理
conv_transpose2d	rtype Tensor

分布式算子

all_gather	在指定的组中收集张量，并沿第一维对其进行拼接。
all_reduce_max	在指定组中以 max 操作来对张量进行规约操作。
all_reduce_min	在指定组中以 min 操作来对张量进行规约操作。
all_reduce_sum	在指定组中以求和操作来对张量进行规约操作。
all_to_all	每个进程将输入张量分散到所有进程，并返回收集的张量。
broadcast	从根进程向其他进程广播张量数据。
reduce_scatter_sum	通过求和规约指定组中的张量，并在第一维度将其拆分。
collective_comm	用于集合通信的辅助函数。
remote_send	发送张量到另一个进程。
remote_recv	从另一个进程接收张量。
reduce_sum	在指定组中以 sum操作来对张量进行规约操作。
gather	在指定的组中收集张量。
scatter	在根进程中沿第一维度切分张量。

External 函数

extern_opr_subgraph	加载序列化的extern opr子图并假执行运算符。
tensorrt_runtime_opr
cambricon_runtime_opr	将一个序列化后的寒武纪模型加载成 MegEngine 中的一个运行时算子。
atlas_runtime_opr	加载 Atlas 模型。
magicmind_runtime_opr	加载序列化的MagicMind模型作为MegEngine中的运行时操作符。

上一页

Collator

下一页

megengine.functional.arange