def test_dygraph(self):
with paddle.fluid.dygraph.base.guard():
x = paddle.randn([10, 10], dtype='float32')
y = paddle.poisson(x)
self.assertTrue(np.min(y.numpy()) >= 0)
with _test_eager_guard():
x = paddle.randn([10, 10], dtype='float32')
x.stop_gradient = False
y = paddle.poisson(x)
y.backward()
self.assertTrue(np.min(y.numpy()) >= 0)
self.assertTrue(np.array_equal(np.zeros_like(x), x.gradient()))
def test_static(self):
with paddle.static.program_guard(paddle.static.Program(),
paddle.static.Program()):
x_np = np.random.rand(10, 10)
x = paddle.static.data(name="x", shape=[10, 10], dtype='float64')
y = paddle.poisson(x)
exe = paddle.static.Executor()
y_np = exe.run(paddle.static.default_main_program(),
feed={"x": x_np},
fetch_list=[y])
self.assertTrue(np.min(y_np) >= 0)
def test_dygraph(self):
paddle.disable_static()
x = paddle.randn([10, 10], dtype='float32')
y = paddle.poisson(x)
self.assertTrue(np.min(y.numpy()) >= 0)
paddle.enable_static()
def test_fixed_random_number(self):
if not paddle.is_compiled_with_cuda():
return
paddle.disable_static()
paddle.set_device('gpu')
paddle.seed(2021)
x = paddle.full([32, 3, 1024, 768], 10., dtype="float32")
y = paddle.poisson(x)
y_np = y.numpy()
expect = [
13., 13., 11., 8., 12., 6., 9., 15., 16., 6., 13., 12., 9., 15.,
17., 8., 11., 16., 11., 10.
]
self.assertTrue(np.array_equal(y_np[0, 0, 0, 0:20], expect))
expect = [
15., 7., 12., 8., 14., 10., 10., 11., 11., 11., 21., 6., 9., 13.,
13., 11., 6., 9., 12., 12.
]
self.assertTrue(np.array_equal(y_np[8, 1, 300, 200:220], expect))
expect = [
10., 15., 9., 6., 4., 13., 10., 10., 13., 12., 9., 7., 10., 14.,
7., 10., 8., 5., 10., 14.
]
self.assertTrue(np.array_equal(y_np[16, 1, 600, 400:420], expect))
expect = [
10., 9., 14., 12., 8., 9., 7., 8., 11., 10., 13., 8., 12., 9., 7.,
8., 11., 11., 12., 5.
]
self.assertTrue(np.array_equal(y_np[24, 2, 900, 600:620], expect))
expect = [
15., 5., 11., 13., 12., 12., 13., 16., 9., 9., 7., 9., 13., 11.,
15., 6., 11., 9., 10., 10.
]
self.assertTrue(np.array_equal(y_np[31, 2, 1023, 748:768], expect))
x = paddle.full([16, 1024, 1024], 5., dtype="float32")
y = paddle.poisson(x)
y_np = y.numpy()
expect = [
4., 5., 2., 9., 8., 7., 4., 7., 4., 7., 6., 3., 10., 7., 5., 7.,
2., 5., 5., 6.
]
self.assertTrue(np.array_equal(y_np[0, 0, 100:120], expect))
expect = [
1., 4., 8., 11., 6., 5., 4., 4., 7., 4., 4., 7., 11., 6., 5., 3.,
4., 6., 3., 3.
]
self.assertTrue(np.array_equal(y_np[4, 300, 300:320], expect))
expect = [
7., 5., 4., 6., 8., 5., 6., 7., 7., 7., 3., 10., 5., 10., 4., 5.,
8., 7., 5., 7.
]
self.assertTrue(np.array_equal(y_np[8, 600, 600:620], expect))
expect = [
8., 6., 7., 4., 3., 0., 4., 6., 6., 4., 3., 10., 5., 1., 3., 8.,
8., 2., 1., 4.
]
self.assertTrue(np.array_equal(y_np[12, 900, 900:920], expect))
expect = [
2., 1., 14., 3., 6., 5., 2., 2., 6., 5., 7., 4., 8., 4., 8., 4.,
5., 7., 1., 7.
]
self.assertTrue(np.array_equal(y_np[15, 1023, 1000:1020], expect))
paddle.enable_static()