sequence_pad

查看属性与别名

API属性:声明式编程(静态图)专用API

paddle.fluid.layers.sequence_pad ( x, pad_value, maxlen=None, name=None ) [源代码]

序列填充操作符(Sequence Pad Operator),该OP将同一batch中的序列填充到一个一致的长度(由 maxlen 指定)。填充的新元素的值具体由输入 pad_value 指定,并会添加到每一个序列的末尾,使得他们最终的长度保持一致。最后返回一个Python tuple (Out, Length) ,其中LodTensor Out 为填充后的序列,LodTensor Length 为填充前的原序列长度信息。

注意,该OP的输入 x 只能是LodTensor。

范例如下:

  1. 1:
  2. 给定输入1-level LoDTensor x:
  3. x.lod = [[0, 2, 5]] #输入的两个序列长度是2和3
  4. x.data = [[a],[b],[c],[d],[e]]
  5. 和输入 pad_value:
  6. pad_value.data = [0]
  7. 设置 maxlen = 4
  8. 得到得到tuple (Out, Length):
  9. Out.data = [[[a],[b],[0],[0]],[[c],[d],[e],[0]]]
  10. Length.data = [2, 3] #原序列长度是2和3
  1. 2:
  2. 给定输入1-level LoDTensor x:
  3. x.lod = [[0, 2, 5]]
  4. x.data = [[a1,a2],[b1,b2],[c1,c2],[d1,d2],[e1,e2]]
  5. 和输入 pad_value:
  6. pad_value.data = [0]
  7. 默认 maxlen = None, (根据x的形状,此例中实际长度为3)
  8. 得到得到tuple (Out, Length):
  9. Out.data = [[[a1,a2],[b1,b2],[0,0]],[[c1,c2],[d1,d2],[e1,e2]]]
  10. Length.data = [2 3]
  1. 3:
  2. 给定输入1-level LoDTensor x:
  3. x.lod = [[0, 2, 5]]
  4. x.data = [[a1,a2],[b1,b2],[c1,c2],[d1,d2],[e1,e2]]
  5. 和输入 pad_value:
  6. pad_value.data = [p1,p2]
  7. 默认 maxlen = None, (根据x的形状,此例中实际长度为3
  8. 得到tuple (Out, Length):
  9. Out.data = [[[a1,a2],[b1,b2],[p1,p2]],[[c1,c2],[d1,d2],[e1,e2]]]
  10. Length.data = [2 3]

参数

  • x (Vairable) - 输入,维度为 [M, K] 的LoDTensor,仅支持lod_level为1。lod所描述的序列数量,作为要填充的batch_size。数据类型为int32,int64,float32或float64。
  • pad_value (Variable) - 填充值,可以是标量或长度为 K 的一维Tensor。如果是标量,则自动广播为Tensor。数据类型需与 x 相同。
  • maxlen (int,可选) - 填充序列的长度。默认为None,此时以序列中最长序列的长度为准,其他所有序列填充至该长度。当是某个特定的正整数,最大长度必须大于最长初始序列的长度。
  • name (str,可选) - 具体用法请参见 Name ,一般无需设置,默认值为None。

返回

元素为两个LoDTensor的Python tuple。第一个元素为填充后的变量 Out ,形状为 [batch_size, maxlen, K] ,lod level为0的LoDTensor,数据类型与输入 x 相同。第二个元素为填充前的原序列长度信息 Length ,lod level为0的一维LoDTensor,长度等于batch_size,数据类型为int64。

返回类型

tuple

代码示例

  1. import paddle.fluid as fluid
  2. import numpy
  3. x = fluid.layers.data(name='y', shape=[10, 5],
  4. dtype='float32', lod_level=1)
  5. pad_value = fluid.layers.assign(
  6. input=numpy.array([0.0], dtype=numpy.float32))
  7. out = fluid.layers.sequence_pad(x=x, pad_value=pad_value)