reshape

  • paddle.fluid.layers.reshape(x, shape, actual_shape=None, act=None, inplace=False, name=None)[源代码]

该OP在保持输入 x 数据不变的情况下，改变 x 的形状。

目标形状可由 shape 或 actual_shape 给出。当两个属性同时被指定时，actual_shape 的优先级高于 shape ，但此时 shape 只能是整数列表或元组，且在编译时仍然应该正确地设置 shape 以保证形状推断。

在指定目标shape时存在一些技巧：

  1. 1. -1 表示这个维度的值是从x的元素总数和剩余维度推断出来的。因此，有且只有一个维度可以被设置为-1。
  2. 2. 0 表示实际的维数是从x的对应维数中复制出来的，因此shape中0的索引值不能超过x的维度。

这里有一些例子来解释它们：

  1. 1. 给定一个形状为[2,4,6]的三维张量x，目标形状为[6,8]，则将x变换为形状为[6,8]的2-D张量，且x的数据保持不变。
  2. 2. 给定一个形状为[2,4,6]的三维张量x，目标形状为[2,3,-1,2]，则将x变换为形状为[2,3,4,2]的4-D张量，且x的数据保持不变。在这种情况下，目标形状的一个维度被设置为-1，这个维度的值是从x的元素总数和剩余维度推断出来的。
  3. 3. 给定一个形状为[2,4,6]的三维张量x，目标形状为[-1,0,3,2]，则将x变换为形状为[2,4,3,2]的4-D张量，且x的数据保持不变。在这种情况下，0对应位置的维度值将从x的对应维数中复制,-1对应位置的维度值由x的元素总数和剩余维度推断出来。

注意：参数 actual_shape 之后将被舍弃，只用参数 shape 来表示目标形状。

  • 参数：
    • x （Variable）- 多维 Tensor 或 LoDTensor，数据类型为 float32，float64，int32，或 int64。
    • shape （list|tuple|Variable）- 数据类型是 int32 。定义目标形状。目标形状最多只能有一个维度为-1。如果 shape 的类型是 list 或 tuple, 它的元素可以是整数或者形状为[1]的 Tensor 或 LoDTensor。如果 shape 的类型是 Variable，则是1-D的 Tensor 或 LoDTensor。
    • actual_shape （Variable，可选）- 1-D Tensor 或 LoDTensor，默认值：None。如果 actual_shape 被提供，actual_shape 具有比 shape 更高的优先级，此时 shape 只能是整数列表或元组。更新提示：actual_shape 在未来的版本中将被舍弃，并用 shape 代替。
    • act （str，可选）- 对形状改变后的输入变量做非线性激活操作，激活函数类型可以参考 激活函数 。默认值： None。
    • inplace （bool，可选）- 如果 inplace 为 True，则 layers.reshape 的输入和输出是同一个变量，否则 layers.reshape 的输入和输出是不同的变量。默认值：False。请注意，如果 x 是多个OP的输入，则 inplace 必须为False。
    • name （str，可选）- 具体用法请参见 Name ，一般无需设置。默认值： None。

返回：多维 Tensor 或 LoDTensor，数据类型与 input 相同。如果 inplace 为 False，则返回一个新的变量，否则将改变输入变量 x 自身。如果 act 为 None，则直接返回形状改变后的变量，否则返回经过激活函数后的变量。

返回类型：Variable。

  • 抛出异常：
    • TypeError：actual_shape 的类型应该是 Variable 或 None。
    • TypeError：starts 的类型应该是list、tuple 或 Variable。
    • ValueError：shape 中至多有一个元素可以是-1。
    • ValueError：shape 中的元素为0时，对应的维度应该小于等于x的维度。
    • ValueError：shape 中的元素除了-1之外，都应该是非负值。

代码示例

  1. import paddle.fluid as fluid
  2.  
  3. # example 1:
  4. # attr shape is a list which doesn't contain tensor Variable.
  5. data_1 = fluid.layers.data(
  6.     name='data_1', shape=[2, 4, 6], dtype='float32')
  7. reshaped_1 = fluid.layers.reshape(
  8.     x=data_1, shape=[-1, 0, 3, 2], inplace=True)
  9. # the shape of reshaped_1 is [2,4,3,2].
  10.  
  11. # example 2:
  12. # attr shape is a list which contains tensor Variable.
  13. data_2 = fluid.layers.fill_constant([2,25], "int32", 3)
  14. dim = fluid.layers.fill_constant([1], "int32", 5)
  15. reshaped_2 = fluid.layers.reshape(data_2, shape=[dim, 10])
  16. # the shape of reshaped_2 is [5,10].