gather_nd
paddle.fluid.layers.gather_nd
(input, index, name=None)[源代码]
该OP是 gather
的高维推广,并且支持多轴同时索引。 index
是一个K维度的张量,它可以认为是从 input
中取K-1维张量,每一个元素是一个切片:
显然, index.shape[-1] <= input.rank
并且输出张量的维度是 index.shape[:-1] + input.shape[index.shape[-1]:]
。
示例:
给定:
input = [[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]]
input.shape = (2, 3, 4)
- 案例 1:
index = [[1]]
gather_nd(input, index)
= [input[1, :, :]]
= [[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]
- 案例 2:
index = [[0,2]]
gather_nd(input, index)
= [input[0, 2, :]]
= [8, 9, 10, 11]
- 案例 3:
index = [[1, 2, 3]]
gather_nd(input, index)
= [input[1, 2, 3]]
= [23]
参数
- input (Variable) - 输入张量,数据类型可以是int32,int64,float32,float64, bool。
- index (Variable) - 输入的索引张量,数据类型为非负int32或非负int64。它的维度
index.rank
必须大于1,并且index.shape[-1] <= input.rank
。- name (string) - 该层的名字,默认值为None,表示会自动命名。
返回
shape为index.shape[:-1] + input.shape[index.shape[-1]:]的Tensor|LoDTensor,数据类型与 input
一致。
返回类型
Variable
代码示例
import paddle.fluid as fluid
x = fluid.layers.data(name='x', shape=[3, 4, 5], dtype='float32')
index = fluid.layers.data(name='index', shape=[2, 2], dtype='int32')
output = fluid.layers.gather_nd(x, index)