【Hackathon No.27】为 Paddle 新增 frac 数学计算API

docs/api/paddle/Overview_cn.rst

@@ -117,6 +117,7 @@ tensor数学操作
     " :ref:`paddle.var <cn_api_tensor_cn_var>` ", "沿给定的轴 axis 计算 x 中元素的方差"
     " :ref:`paddle.diagonal <cn_api_tensor_diagonal>` ", "根据给定的轴 axis 返回输入 Tensor 的局部视图"
     " :ref:`paddle.trunc <cn_api_tensor_trunc>` ", "对输入 Tensor 每个元素的小数部分进行截断"
+    " :ref:`paddle.frac <cn_api_tensor_frac>` ", "得到输入 Tensor 每个元素的小数部分"
     " :ref:`paddle.log1p <cn_api_paddle_tensor_log1p>` ", "该OP计算Log1p（加一的自然对数）结果"
     " :ref:`paddle.take_along_axis <cn_api_paddle_tensor_take_along_axis>` ", "根据axis和index获取输入 Tensor 的对应元素"
     " :ref:`paddle.put_along_axis <cn_api_paddle_tensor_put_along_axis>` ", "根据axis和index放置value值至输入 Tensor"

docs/api/paddle/Tensor/Overview_en.rst

@@ -250,6 +250,7 @@ Methods
     trace
     transpose
     trunc
+    frac
     unbind
     uniform_
     unique

docs/api/paddle/Tensor_cn.rst

@@ -2165,6 +2165,15 @@ trunc(name=None)
 
 请参考 :ref:`cn_api_tensor_trunc`
 
+frac(name=None)
+:::::::::
+
+返回：计算后的tensor
+
+返回类型：Tensor
+
+请参考 :ref:`cn_api_tensor_frac`
+
 tensordot(y, axes=2, name=None)
 :::::::::
 

docs/api/paddle/frac_cn.rst

@@ -0,0 +1,41 @@
+.. _cn_api_tensor_frac:
+
+frac
+-------------------------------
+
+.. py:function:: paddle.frac(x, name=None)
+
+
+得到输入 `Tensor` 的小数部分。
+
+
+参数
+:::::::::
+    - **x** (Tensor) : 输入变量，类型为 Tensor, 支持int32、int64、float32、float64数据类型。
+    - **name** （str，可选）- 具体用法请参见 :ref:`api_guide_Name` ，一般无需设置，默认值为None。
+
+返回
+:::::::::
+    - Tensor (Tensor)，输入矩阵只保留小数部分的结果。
+
+
+代码示例
+:::::::::
+
+.. code-block:: python
+
+    import paddle
+
+     = paddle.rand([3,4],'float32')
+    print(x)
+    # Tensor(shape=[3, 3], dtype=float32, place=Place(cpu), stop_gradient=True,
+    #        [[5.29032421, 7.70876980, 5.14640331],
+    #         [2.30558801, 7.60625172, 2.57993436],
+    #         [1.53053904, 1.51977015, 2.96169519]])
+
+    output = paddle.frac(x)
+    print(output)
+    # Tensor(shape=[3, 3], dtype=float32, place=Place(cpu), stop_gradient=True,
+    #        [[0.29032421, 0.70876980, 0.14640331],
+    #         [0.30558801, 0.60625172, 0.57993436],
+    #         [0.53053904, 0.51977015, 0.96169519]])