Overview_cn.rst

paddle.static

paddle.static 下的API为飞桨静态图专用API。具体如下：

• :ref:`Program相关API <about_program>`
• :ref:`Executor相关API <about_executor>`
• :ref:`组网相关API <about_nn>`
• :ref:`io相关API <about_io>`
• :ref:`变量相关API <about_variable>`
• :ref:`运行设备相关API <about_device>`
• :ref:`评估指标相关API <about_metrics>`
• :ref:`其他API <about_others>`

Program相关API

API名称	API功能
:ref:`append_backward <cn_api_fluid_backward_append_backward>`	向main_program添加反向
:ref:`default_main_program <cn_api_fluid_default_main_program>`	获取当前用于存储OP和Tensor描述信息的 default main program
:ref:`default_startup_program <cn_api_fluid_default_startup_program>`	获取默认/全局的 startup program
:ref:`Program <cn_api_fluid_Program>`	飞桨用Program动态描述整个计算图
:ref:`program_guard <cn_api_fluid_program_guard>`	配合with语句将算子和变量添加进指定的 main program 和 startup program
:ref:`set_program_state <cn_api_fluid_io_set_program_state>`	设置 Program 的参数和优化器信息
:ref:`normalize_program <cn_api_fluid_io_normalize_program>`	根据指定的 feed_vars 和 fetch_vars，优化 program

Executor相关API

API名称	API功能
:ref:`BuildStrategy <cn_api_fluid_BuildStrategy>`	控制 ParallelExecutor 中计算图的建造方法
:ref:`CompiledProgram <cn_api_fluid_CompiledProgram>`	转化和优化Program或Graph
:ref:`ExecutionStrategy <cn_api_fluid_ExecutionStrategy>`	调整Executor执行配置
:ref:`Executor <cn_api_fluid_executor>`	执行器
:ref:`ParallelExecutor <cn_api_fluid_ParallelExecutor>`	支持基于数据并行的多节点模型训练和测试的执行器

组网相关API

API名称	API功能
:ref:`batch_norm <cn_api_fluid_layers_batch_norm>`	Batch Normalization方法
:ref:`bilinear_tensor_product <cn_api_fluid_layers_bilinear_tensor_product>`	对两个输入执行双线性张量积
:ref:`case <cn_api_fluid_layers_case>`	以OP的运行方式类似于python的if-elif-elif-else
:ref:`conv2d <cn_api_fluid_layers_conv2d>`	二维卷积层
:ref:`conv2d_transpose <cn_api_fluid_layers_conv2d_transpose>`	二维转置卷积层
:ref:`conv3d <cn_api_fluid_layers_conv3d>`	三维卷积层
:ref:`conv3d_transpose <cn_api_fluid_layers_conv3d_transpose>`	三维转置卷积层
:ref:`crf_decoding <cn_api_fluid_layers_crf_decoding>`	CRF Decode层
:ref:`data_norm <cn_api_fluid_layers_data_norm>`	数据正则化层
:ref:`deform_conv2d <cn_api_paddle_static_nn_common_deform_conv2d>`	可变形卷积层
:ref:`embedding <cn_api_fluid_input_embedding>`	嵌入层
:ref:`sparse_embedding <cn_api_fluid_contrib_layers_sparse_embedding>`	稀疏嵌入层
:ref:`fc <cn_api_paddle_static_nn_common_fc>`	全连接层
:ref:`group_norm <cn_api_fluid_layers_group_norm>`	Group Normalization方法
:ref:`instance_norm <cn_api_fluid_layers_instance_norm>`	Instance Normalization方法
:ref:`layer_norm <cn_api_fluid_layers_layer_norm>`	Layer Normalization方法
:ref:`multi_box_head <cn_api_fluid_layers_multi_box_head>`	SSD检测头
:ref:`nce <cn_api_fluid_layers_nce>`	计算并返回噪音对比估计损失
:ref:`prelu <cn_api_fluid_layers_prelu>`	prelu激活函数
:ref:`row_conv <cn_api_fluid_layers_row_conv>`	行卷积
:ref:`spectral_norm <cn_api_fluid_layers_spectral_norm>`	Spectral Normalization方法
:ref:`switch_case <cn_api_fluid_layers_switch_case>`	类似于c++的switch/case
:ref:`sequence_concat <cn_api_fluid_layers_sequence_concat>`	仅支持LoDTensor ，通过LoDTensor的LoD信息将输入的多个LoDTensor进行连接，输出连接后的LoDTensor
:ref:`sequence_conv <cn_api_fluid_layers_sequence_conv>`	仅支持LoDTensor ，在给定的卷积参数下，对输入的变长序列LoDTensor进行卷积操作
:ref:`sequence_enumerate <cn_api_fluid_layers_sequence_enumerate>`	仅支持LoDTensor ，枚举形状为 [d_1, 1] 的输入序列所有长度为 win_size 的子序列，生成一个形状为 [d_1, win_size] 的新序列，需要时以 pad_value 填充
:ref:`sequence_expand <cn_api_fluid_layers_sequence_expand>`	仅支持LoDTensor ，根据输入 y 的第 ref_level 层lod对输入 x 进行扩展
:ref:`sequence_expand_as <cn_api_fluid_layers_sequence_expand_as>`	仅支持LoDTensor ，根据输入 y 的第0级lod对输入 x 进行扩展
:ref:`sequence_first_step <cn_api_fluid_layers_sequence_first_step>`	仅支持LoDTensor ，对输入的LoDTensor，在最后一层lod_level上，选取其每个序列的第一个时间步的特征向量作为池化后的输出向量
:ref:`sequence_last_step <cn_api_fluid_layers_sequence_last_step>`	仅支持LoDTensor ，对输入的LoDTensor，在最后一层lod_level上，选取其每个序列的最后一个时间步的特征向量作为池化后的输出向量
:ref:`sequence_pad <cn_api_fluid_layers_sequence_pad>`	仅支持LoDTensor ，将同一batch中的序列填充到一个一致的长度（由 maxlen 指定）
:ref:`sequence_pool <cn_api_fluid_layers_sequence_pool>`	仅支持LoDTensor ，对输入的LoDTensor进行指定方式的池化操作
:ref:`sequence_reshape <cn_api_fluid_layers_sequence_reshape>`	仅支持LoDTensor ，对输入的LoDTensor进行指定方式的变形操作
:ref:`sequence_reverse <cn_api_fluid_layers_sequence_reverse>`	仅支持LoDTensor ，对输入的LoDTensor，在每个序列上进行反转
:ref:`sequence_slice <cn_api_fluid_layers_sequence_slice>`	仅支持LoDTensor ，对输入的LoDTensor，实现序列切片运算
:ref:`sequence_softmax <cn_api_fluid_layers_sequence_softmax>`	仅支持LoDTensor ，根据LoDTensor信息将输入的第0维度进行划分，在划分的每一个区间内部进行运算

io相关API

API名称	API功能
:ref:`deserialize_persistables <cn_api_fluid_io_deserialize_persistables>`	反序列化模型参数
:ref:`deserialize_program <cn_api_fluid_io_deserialize_program>`	反序列化program
:ref:`load <cn_api_fluid_load>`	加载模型
:ref:`load_from_file <cn_api_fluid_io_load_from_file>`	从指定的文件中加载内容
:ref:`load_inference_model <cn_api_fluid_io_load_inference_model>`	加载预测模型
:ref:`load_program_state <cn_api_fluid_io_load_program_state>`	加载Program的参数与优化器信息
:ref:`save <cn_api_fluid_save>`	保存模型
:ref:`save_inference_model <cn_api_static_save_inference_model>`	保存预测模型
:ref:`save_to_file <cn_api_fluid_io_save_to_file>`	将内容写入指定的文件
:ref:`serialize_persistables <cn_api_fluid_io_serialize_persistables>`	序列化模型参数
:ref:`serialize_program <cn_api_fluid_io_serialize_program>`	序列化program

变量相关API

API名称	API功能
:ref:`create_global_var <cn_api_fluid_layers_create_global_var>`	创建全局变量
:ref:`data <cn_api_static_cn_data>`	在全局block中创建变量
:ref:`gradients <cn_api_fluid_backward_gradients>`	将目标变量的梯度反向传播到输入变量
:ref:`Print <cn_api_fluid_layers_Print>`	打印正在访问的变量内容
:ref:`Variable <cn_api_fluid_Variable>`	创建参数
:ref:`WeightNormParamAttr <cn_api_fluid_WeightNormParamAttr>`	权重归一化类
:ref:`sequence_scatter <cn_api_fluid_layers_sequence_scatter>`	仅支持LoDTensor,根据index提供的位置将updates中的信息更新到输出中
:ref:`sequence_unpad <cn_api_fluid_layers_sequence_unpad>`	仅支持LoDTensor ，根据length的信息，将input中padding元素移除，并且返回一个LoDTensor

运行设备相关API

API名称	API功能
:ref:`cpu_places <cn_api_fluid_cpu_places>`	创建 paddle.CPUPlace 对象
:ref:`cuda_places <cn_api_fluid_cuda_places>`	创建 paddle.CUDAPlace 对象
:ref:`device_guard <cn_api_device_guard>`	用于指定OP运行设备的上下文管理器

评估指标相关API

API名称	API功能
:ref:`accuracy <cn_api_fluid_layers_accuracy>`	计算精确率
:ref:`auc <cn_api_fluid_layers_auc>`	计算AUC

其他API

API名称	API功能
:ref:`global_scope <cn_api_fluid_executor_global_scope>`	获取全局/默认作用域实例
:ref:`InputSpec <cn_api_static_cn_InputSpec>`	描述模型输入的签名信息
:ref:`name_scope <cn_api_fluid_layers_py_func>`	为OP生成命名空间
:ref:`py_func <cn_api_fluid_layers_py_func>`	自定义算子
:ref:`scope_guard <cn_api_fluid_executor_scope_guard>`	切换作用域
:ref:`while_loop <cn_api_fluid_layers_while_loop>`	while循环控制