Paddle 2.0beta New API List
XiaoguangHu edited this page Sep 14, 2020
·
2 revisions
| Paddle 2.0-beta新增API | 新增API说明 | 新增API PR |
|---|---|---|
| paddle.set_default_dtype | 新增，用于设置创建Tensor和Parameter时的默认数据类型 | #26006 |
| paddle.get_default_dtype | 新增，用于获取创建Tensor和Parameter时的默认数据类型 | #26006 |
| paddle.numel | 新增，用于返回Tensor包含元素的个数 | #26562 |
| paddle.to_tensor | 1. API名称从to_variable修改为to_tensor 2. 输入数据类型支持scalar, list, tuple, Tensor, ComplexTensor 3. 返回值类型从core.VarBase修改为paddle.Tensor 4. 新增参数place用于指定设备为CPU/GPU/固定内存 5. 新增参数stop_gradietn, 可指定是否计算梯度，默认不计算梯度 6. 新增参数dtype, 可指定Tensor类型，非numpy的浮点数默认从paddle.get_default_dtype获取数据类型 |
#26357 |
| paddle.chunk | 新增chunk API, 返回被切分的子Tensor | #26314 |
| paddle.masked_select | 新增masked_select Op, 该OP将根据mask Tensor的真值选取输入Tensor元素，并返回一个一维Tensor | #26374 |
| paddle.manual_seed | 新增paddle.manual_seed(SEED) api 用于设置paddle运行过程中的全局种子，用于随机数相关的操作的复现。支持cpu和gpu设备。 |
#26495 #26013 #26786 |
| paddle.bernoulli | 新增bernoulli API，用于创建服从伯努利分布的0，1二元随机Tensor | #26511 |
| paddle.normal | 1. API名称从gaussian_random修改为normal，用于创建正态分布的Tensor 2. 支持为每个元素分别指定mean和std 3. 支持从mean或std或shape推断输出Tensor的形状 |
#26367 |
| paddle.std | 新增，用于沿axis计算x的方差 | #26446 |
| paddle.var | 新增，用于沿axis计算x的标准差 | #26446 |
| paddle.isinf | 新增paddle.tensor.isinf API。返回一个输入的tensor中每个元素是否为inf的boolean tensor。 | #26344 |
| paddle.isnan | 新增paddle.tensor.isnan API。返回一个输入的tensor中每个元素是否为nan的boolean tensor。 | #26344 |
| paddle.sort | 1. 新增sort api，sort api只返回相应的排序结果，不返回相应的index信息 | #25514 |
| paddle.topk | 1. 在fluid版本上新增sorted，largest属性 | #26494 |
| paddle.meshgrid | api 入参 由meshgrid(input, name=None) 改成meshgrid(*args, **kwargs)， 支持列表作为输入。 | #25319 |
| paddle.tril | api由 tril(input, diagonal=0, name=None) 改成tril(x, diagonal=0, name=None) | #25529 |
| paddle.triu | qpi 由triu(input, diagonal=0, name=None)改成triu(x, diagonal=0, name=None) | #25529 |
| paddle.bmm | 文档升级 | #25529 |
| paddle.cholesky | 增加对奇异矩阵分解的报错信息，增加name参数 | #25860 |
| paddle.inverse | 增加对奇异矩阵分解的报错信息，input改为x | #25860 |
| paddle.nn.Conv1d | 新增Conv1D，用于对1维序列特征进行卷积操作。 | #26350 |
| paddle.nn.ConvTranspose1d | 新增ConvTranspose1d，用于对1维序列特征进行转置卷积操作。 | #26356 |
| paddle.nn.MaxPool1d | 1. 新增 API，名称paddle.nn.functional.MaxPool1d; 2. 该API创建一个python 类，用于实现1D最大池化 |
#26331 |
| paddle.nn.MaxPool2d | 1. 新增 API，名称paddle.nn.functional.MaxPool2d，该API从旧API pool2d中拆分而来； 2. 实现2D最大池化功能； 3. 与旧API pool2d相比，去掉pool_type, global_pooling，use_cudnn参数；pool_size , pool_stride, pool_padding参数改为kernel_size, stride,padding; 4. 增加返回最大池化索引的功能，对应参数return_indices |
#26331 |
| paddle.nn.MaxPool3d | 1. 新增 API，名称paddle.nn.functional.MaxPool3d，该API从旧API pool3d中拆分而来； 2. 实现3D最大池化功能； 3. 与旧API pool3d相比，去掉pool_type, global_pooling，use_cudnn参数；pool_size , pool_stride, pool_padding参数改为kernel_size, stride,padding; 4. 增加返回最大池化索引的功能，对应参数return_indices |
#26331 |
| paddle.nn.AvgPool1d | 1. 新增 API，名称paddle.nn.AvgPool1d; 2. 该API创建一个python类，实现1D平均池化功能 |
#26331 |
| paddle.nn.AvgPool2d | 1. 新增 API，名称paddle.nn.functional.AvgPool2d，该API从旧API pool2d中拆分而来； 2. 实现2D平均池化功能； 3. 与旧API pool2d相比，去掉pool_type, global_pooling，use_cudnn参数；pool_size , pool_stride, pool_padding参数改为kernel_size, stride,padding; exclusive 参数名字改为counnt_include_pad，作用与exclusive 作用相反 |
#26331 |
| paddle.nn.AvgPool3d | 1. 新增 API，名称paddle.nn.functional.AvgPool3d，该API从旧API pool3d中拆分而来； 2. 实现3D平均池化功能； 3. 与旧API pool3d相比，去掉pool_type, global_pooling，use_cudnn参数；pool_size , pool_stride, pool_padding参数改为kernel_size, stride,padding; exclusive 参数名字改为counnt_include_pad，作用与exclusive 作用相反 |
#26331 |
| paddle.nn.AdaptiveMaxPool1d | 新增paddle.nn.AdaptiveMaxPool1d API。返回输入的自适应最大1d池化。 | #26483 |
| paddle.nn.AdaptiveMaxPool2d | 新增paddle.nn.AdaptiveMaxPool2d API。返回输入的自适应最大2d池化。 | #26483 |
| paddle.nn.AdaptiveMaxPool3d | 新增paddle.nn.AdaptiveMaxPool3d API。返回输入的自适应最大3d池化。 | #26483 |
| paddle.nn.AdaptiveAvgPool1d | 新增paddle.nn.AdaptiveAvgPool1d API。返回输入的自适应平均1d池化。 | #26331 |
| paddle.nn.AdaptiveAvgPool2d | 新增paddle.nn.AdaptiveAvgPool2d API。返回输入的自适应平均2d池化。 | #26369 |
| paddle.nn.AdaptiveAvgPool3d | 新增paddle.nn.AdaptiveAvgPool3d API。返回输入的自适应平均3d池化。 | #26369 |
| paddle.nn.ReflectionPad1d | 新增，使用reflection模式对3维输入tensor进行pad | #26106 |
| paddle.nn.ReflectionPad2d | 新增，使用reflection模式对4维输入tensor进行填充 | #26106 |
| paddle.nn.ReplicationPad1d | 新增，使用replication模式对3维输入tensor进行填充 | #26106 |
| paddle.nn.ReplicationPad2d | 新增，使用replication模式对4维输入tensor进行填充 | #26106 |
| paddle.nn.ReplicationPad3d | 新增，使用replication模式对5维输入tensor进行填充 | #26106 |
| paddle.nn.ZeroPad2d | 新增，对4维输入tensor进行补零填充 | #26106 |
| paddle.nn.ConstantPad1d | 新增，对3维输入tensor按照常量值进行填充 | #26106 |
| paddle.nn.ConstantPad2d | 新增，对4维输入tensor按照常量值进行填充 | #26106 |
| paddle.nn.ConstantPad3d | 新增，对5维输入tensor按照常量值进行填充 | #26106 |
| paddle.nn.ELU | 新增，用于计算ELU激活值的class | #26304 |
| paddle.nn.Hardshrink | 新增，用于计算hardshrink激活值的class | #26198 |
| paddle.nn.Hardtahn | 新增，用于计算hardtanh激活值的class | #26431 |
| paddle.nn.MultiHeadAttention | 新增，实现multi_head_attention计算 | #26418 |
| paddle.nn.MultiHeadAttention.forward | 新增，实现multi_head_attention计算 | #26418 |
| paddle.nn.ReLU6 | 新增用于计算ReLU6激活值的class | #26376 |
| paddle.nn.Sigmoid | 新增Sigmoid Layer | #26171 |
| paddle.nn.Tanh | 新增用于计算Tanh激活值的class | #26357 |
| paddle.nn.TanhShrink | 新增用于计算TanhShrink激活值的class | #26376 |
| paddle.nn.Softmax | 新增，用于计算Softmax激活值的class | #26431 |
| paddle.nn.BatchNorm1d | 新增, 用于支持[N,C]或[N,C,L]格式的BatchNorm | #26465 |
| paddle.nn.BatchNorm2d | 新增, 用于支持[N,C,H,W]格式的BatchNorm | #26465 |
| paddle.nn.BatchNorm3d | 新增, 用于支持[N,C,D,H,W]格式的BatchNorm | #26465 |
| paddle.nn.SyncBatchNorm | 新增, 用于支持[N,C]或[N,C,L]格式的BatchNorm | #26032 |
| paddle.nn.SyncBatchNorm | 新增, 用于支持[N,C,H,W]格式的BatchNorm | #26688 |
| paddle.nn.InstanceNorm1d | 新增, 用于支持[N,C,D,H,W]格式的InstanceNorm | #26465 |
| paddle.nn.InstanceNorm2d | 1..去掉act, dtype, shift, begin_norm_axis参数 2.weight_attr， bias_attr来控制affine参数，当设为false不scale/shift | #26465 |
| paddle.nn.InstanceNorm3d | 新增，由BatchNorm1d/2d/3d调用 | #26465 |
| paddle.nn.SimpleRNN | 新增 paddle.nn.SimpleRNN | #26588 |
| paddle.nn.LSTM | 新增 paddle.nn.LSTM | #26588 |
| paddle.nn.GRU | 新增 paddle.nn.GRU | #26588 |
| paddle.nn.Transformer | 新增paddle.nn.Transformer | #26418 |
| paddle.nn.Transformer.forward | 新增paddle.nn.Transformer.forward | #26418 |
| paddle.nn.TransformerEncoder | 新增paddle.nn.TransformerEncoder | #26418 |
| paddle.nn.TransformerEncoder.forward | 新增paddle.nn.TransformerEncoder.forward | #26418 |
| paddle.nn.TransformerDecoder | 新增paddle.nn.TransformerDecoder | #26418 |
| paddle.nn.TransformerDecoder.forward | 新增paddle.nn.TransformerDecoder.forward | #26418 |
| paddle.nn.TransformerEncoderLayer | 新增paddle.nn.TransformerEncoderLayer | #26418 |
| paddle.nn.TransformerEncoderLayer.forward | 新增paddle.nn.TransformerEncoderLayer.forward | #26418 |
| paddle.nn.TransformerDecoderLayer | 新增paddle.nn.TransformerDecoderLayer | #26418 |
| paddle.nn.TransformerDecoderLayer.forward | 新增paddle.nn.TransformerDecoderLayer.forward | #26418 |
| paddle.nn.Dropout2D | 新增，paddle.nn.Dropout2d(p=0.5, data_format='NCHW', name=None)，Dropout2D层。 | #26111 |
| paddle.nn.Dropout3D | 新增， paddle.nn.Dropout3d(p=0.5, data_format='NCDHW', name=None)，Dropout3d层。 | #26111 |
| paddle.nn.AlphaDropout | 新增，paddle.nn.AlphaDropout(p=0.5, name = None)，AlphaDropout实现，保持输出跟输入分布一致。 | #26365 |
| paddle.nn.CosineSimilarity | 1. 计算2个tensor的余弦相似度 2. 支持按特定维度进行计算 3. 支持自定义epsilon值 4. 支持计算维度的broadcast |
#26106 |
| paddle.nn.PairwiseDistance | 新增，可用于计算两个张量中两两向量间的距离。 | #26033 |
| paddle.nn.loss.CrossEntropyLoss | 新增 paddle.nn.CrossEntropy 类 | #26478 |
| paddle.nn.CTCLoss | 新增，paddle.nn.CTCLoss(blank=0, reduction='mean'); forward(self, input, label, input_length, label_length) | #26384 |
| paddle.nn.KLDivLoss | 新增Class类型的计算kl散度loss的api | #25977 |
| paddle.nn.BCEWithLogitsLoss | 新增，计算二分类logit和标签的交叉熵损失函数。 | #26468 |
| paddle.nn.MarginRankingLoss | 1. 新增MarginRankingLoss Layer，对应functional下面的margin_ranking_loss | #26266 |
| paddle.nn.SmoothL1Loss | 新增，用于计算SmoothL1Loss | #26398 |
| paddle.nn.PixelShuffle | 新增paddle.nn.vision.PixelShuffle 类 | #26071 |
| paddle.nn.Upsample | 新增， Upsample动态图实现 | #26520 |
| paddle.nn.UpsamplingNearest2d | 新增 UpsamplingNearest2d动态图实现 | #26520 |
| paddle.nn.UpsamplingBilinear2d | 新增 UpsamplingBilnear2d动态图实现 | #26520 |
| paddle.nn.utils.weight_norm | 新增，weight_norm | #26131 |
| paddle.nn.utils.remove_weight_norm | 新增，remove_weight_norm | #26131 |
| paddle.nn.Flatten | 添加Flatten api用于将tensor按照给定的连续维度区间展平 | #25393 |
| paddle.nn.functional.conv1d | 新增conv1d，用于对1维序列特征进行卷积操作。 | #26350 |
| paddle.nn.functional.conv_transpose1d | 新增conv_transpose1d，用于对1维序列特征进行转置卷积操作。 | #26356 |
| paddle.nn.functional.avg_pool1d | 1. 新增 API，名称paddle.nn.functional.avg_pool1d; 2. 实现1D平均池化功能 |
#26331 |
| paddle.nn.functional.avg_pool2d | 1. 新增 API，名称paddle.nn.functional.avg_pool2d，该API从旧API pool2d中拆分而来； 2. 实现2D平均池化功能； 3. 与旧API pool2d相比，去掉pool_type, global_pooling，use_cudnn参数；pool_size , pool_stride, pool_padding参数改为kernel_size, stride,padding; exclusive 参数名字改为counnt_include_pad，作用与exclusive 作用相反 |
#26332 |
| paddle.nn.functional.avg_pool3d | 1. 新增 API，名称paddle.nn.functional.avg_pool3d，该API从旧API pool3d中拆分而来； 2. 实现3D平均池化功能； 3. 与旧API pool3d相比，去掉pool_type, global_pooling，use_cudnn参数；pool_size , pool_stride, pool_padding参数改为kernel_size, stride,padding; exclusive 参数名字改为counnt_include_pad，作用与exclusive 作用相反 |
#26333 |
| paddle.nn.functional.max_pool1d | 1. 新增 API，名称paddle.nn.functional.max_pool1d; 2. 实现1D最大池化功能 |
#26334 |
| paddle.nn.functional.max_pool2d | 1. 新增 API，名称paddle.nn.functional.max_pool2d，该API从旧API pool2d中拆分而来； 2. 实现2D最大池化功能； 3. 与旧API pool2d相比，去掉pool_type, global_pooling，use_cudnn参数；pool_size , pool_stride, pool_padding参数改为kernel_size, stride,padding; 4. 增加返回最大池化索引的功能，对应参数return_indices |
#26335 |
| paddle.nn.functional.max_pool3d | 1. 新增 API，名称paddle.nn.functional.max_pool3d，该API从旧API pool3d中拆分而来； 2. 实现3D最大池化功能； 3. 与旧API pool3d相比，去掉pool_type, global_pooling，use_cudnn参数；pool_size , pool_stride, pool_padding参数改为kernel_size, stride,padding; 4. 增加返回最大池化索引的功能，对应参数return_indices |
#26336 |
| paddle.nn.functional.adaptive_max_pool1d | 新增paddle.nn.functional.adaptive_max_pool1d 函数式API。返回输入的自适应最大1d池化。 | #26483 |
| paddle.nn.functional.adaptive_max_pool2d | 新增paddle.nn.functional.adaptive_max_pool2d 函数式API。返回输入的自适应最大2d池化。 | #26483 |
| paddle.nn.functional.adaptive_max_pool3d | 新增paddle.nn.functional.adaptive_max_pool3d 函数式API。返回输入的自适应最大3d池化。 | #26483 |
| paddle.nn.functional.adaptive_avg_pool1d | 新增paddle.nn.functional.adaptive_avg_pool1d 函数式API。返回输入的自适应平均1d池化。 | #26331 |
| paddle.nn.functional.adaptive_avg_pool2d | 新增paddle.nn.functional.adaptive_avg_pool2d 函数式API。返回输入的自适应平均2d池化。 | #26369 |
| paddle.nn.functional.adaptive_avg_pool3d | 新增paddle.nn.functional.adaptive_avg_pool3d 函数式API。返回输入的自适应平均3d池化。 | #26369 |
| paddle.nn.functional.normalize | 新增，可使用Lp范数沿指定维度对输入Tensor进行归一化。 | #26269 |
| paddle.nn.functional.linear | 新增，函数式的linear，对输入数据实现线性变换 | #26480 |
| paddle.nn.functional.bilinear | 新增, paddle.nn.Bilinear的内部实现。 |
#26399 #26610 |
| paddle.nn.functional.dropout2d | 新增，paddle.nn.functional.dropout2d(x, p=0.5, training=True, name=None)，dropout2d实现。 | #26111 |
| paddle.nn.functional.dropout3d | 新增，paddle.nn.functional.dropout3d(x, p=0.5, training=True, name=None)，dropout3d实现。 | #26111 |
| paddle.nn.functional.binary_cross_entropy | 新增，计算二分类的交叉熵损失函数。 | #26012 |
| paddle.nn.functional.binary_cross_entropy_with_logits | 新增，计算二分类logit和标签的交叉熵损失函数。 | #26468 |
| paddle.nn.functional.l1_loss | 新增函数API，用于计算L1 loss | #26040 |
| paddle.nn.functional.nll_loss | 新增nll_loss API, 行为与此前NLLLoss的forward函数保持一致 | #26019 |
| paddle.nn.functioanl.smooth_l1_loss | 新增，用于计算smooth L1损失函数 |
#26398 |
| paddle.Tensor | 1. API名称从to_variable修改为to_tensor 2. 输入数据类型支持scalar, list, tuple, Tensor, ComplexTensor 3. 返回值类型从core.VarBase修改为Paddle.Tensor 4. 新增参数place用于指定设备为CPU/GPU/固定内存 5. 新增参数stop_gradietn, 可指定是否计算梯度，默认不计算梯度 6. 新增参数dtype, 可指定Tensor类型，非numpy的浮点数默认从paddle.get_default_dtype获取数据类型 7. Paddle.Tensor新增120余种类成员函数。 |
#26357 |
| paddle.Tensor.tile | 新增，根据指定参数扩展输入x的维度 | #26290 |
| paddle.distributed.broadcast | 新增，将指定Tensor广播到所有成员 | #26552 |
| paddle.distributed.all_reduce | 新增，所有成员的指定tensor进行归约操作，并返回给所有成员归约的结果。 | #26552 |
| paddle.distributed.reduce | 新增，所有进程的指定tensor进行归约操作，并返回给指定成员归约的结果 | #26552 |
| paddle.distributed.all_gather | 新增，对指定tensor进行聚合操作，并返回聚合的结果 | #26552 |
| paddle.distributed.scatter | 新增，指定成员的tensor列表分发到其他所有成员中 | #26552 |
| paddle.distributed.barrier | 新增，同步所有成员 | #26552 |
| paddle.distribution.Distribution | 1. 暴露Distribution基类 2. 将_to_variable方法改名为_to_tensor 3. 添加probs方法，表示分布的概率密度函数 4. 添加_check_values_dtype_in_probs方法，用来对log_prbs和probs中的输入value进行类型转换 |
#26355, #26767" |
| paddle.distribution.Distribution.entropy | 暴露Distribution基类的entropy方法 | #26355 |
| paddle.distribution.Distribution.log_prob | 暴露Distribution基类的log_prob方法 | #26355 |
| paddle.distribution.Distribution.sample | 暴露Distribution基类的sample方法 | #26355 |
| paddle.optimizer.Optimizer | 1. 暴露Opimizer基类，提供相关的构造函数、成员函数的文档 2. 参数parameters_list变为parameters 3. 参数regularization变为weight_decay，传入None时不使用正则化，传入float类型时，作为L2Decay正则化的系数，同时支持传入L1Decay和L2Decay类型 4. learning_rate支持float类型和LRScheduler类型 |
#26288 |
| paddle.optimizer.Optimizer.step | 新增step方法，替代动态图下的minimize方法，无输入参数和返回值 | #26288 |
| paddle.optimizer.AdamW | 新增AdamW优化器，weight_decay参数为参数衰减系数，添加参数范围检查 | #26288 |
| paddle.io.Dataset | 无 | #25558 |
| paddle.io.IterableDataset | 1.新增API，API名称paddle.io.IterableDataset 2.流式数据集基类，流式数据集可继承此基类并实现__iter__函数，可通过paddle.io.DataLoader进行多进程并发加速 |
#25558 |
| paddle.io.TensorDataset | 1.新增API，API名称paddle.io.TensorDataset 2.张量数据集，沿输入张量的第一维遍历返回各sample数据 |
#26332 |
| paddle.io.Sampler | 1.新增API，API名称paddle.io.Samper 2.Sampler基类，自定的数据集sampler须继承该基类，可用做paddle.io.BatchSampler输入 |
#26375 |
| paddle.io.RandomSampler | 1.新增API，API名称paddle.io.RandomSampler 2.随机采样数据集，返回采样下标序列 |
#26375 |
| paddle.io.BatchSampler | 1.新增API，API名称paddle.io.SequenceSampler 2.顺序采样数据集，返回采样下标序列 |
#26375 |
| paddle.io.DistributedBatchSampler | paddle.io.DistributedBatchSampler新增num_replicas和rank参数，可自定义训练设备数和当前G设备逻辑编号 | #26315 |