sequence_expand_as

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_expand_as ( x, y, name=None ) [源代码]

Sequence Expand As Layer，该OP根据输入 y 的第0级lod对输入 x 进行扩展。当前实现要求 y 的lod层数（level）必须为1，且 x 的第一维必须和 y 的第0层lod大小相同，所以扩展后的LodTensor具有和 y 相同的lod。扩展结果与输入 x 的lod无关，所以无需考虑 x 的lod。

注意，该OP的输入 x 可以是Tensor或LoDTensor， y 只能是LodTensor。

范例解释如下：

  1. 例1:
  2. 假设，有4个长度维1的序列[a]、[b]、[c]和[d]，现在要将其扩展为长度是3、3、1、1的序列[a][a][a]、[b][b][b]、[c]和[d]。
  3. 显然，扩展后的序列lod为[0, 3, 6, 7, 8]，则：
  4. 给定输入一维LoDTensor x
  5.     x.data = [[a], [b], [c], [d]]
  6.     x.dims = [4, 1]
  7. 和输入 y
  8.     y.lod = [[3, 3, 1, 1]]    #为了便于理解这里用基于长度lod表示
  10. 经过sequence_expand_as运算，得到输出1级LoDTensor out
  11.     out.lod =  [[0,            3,              6,  7,  8]]    #基于偏移的lod，等价于基于长度的[[3, 3, 1, 1]]
  12.     out.data = [[a], [a], [a], [b], [b], [b], [c], [d]]
  13.     out.dims = [8, 1]
  15. 可见，输出out将x扩展至和y具有相同的lod。
  1. 例2：
  2. 设定与例1类似，给定输入一维LoDTensor x：
  3.     x.data = [[a, b], [c, d], [e, f]]
  4.     x.dims = [3, 2]
  5. 和输入 y：
  6.     y.lod = [[2, 1, 3]]    #为了便于理解这里用基于长度lod表示
  8. 输出为1级LoDTensor：
  9.     out.lod =  [[0,             2,     3,                    6]]    #基于偏移的lod，等价于基于长度的[[2, 1, 3]]
  10.     out.data = [[a, b], [a, b] [c, d], [e, f], [e, f], [e, f]]
  11.     out.dims = [6, 2]
  13. 可见，输出out将x扩展至和y具有相同的lod。

参数

  • x (Variable) - 输入变量，维度为

    sequence_expand_as - 图1

    的二维Tensor或LoDTensor，第一维必须与输入 y 的第0层lod大小相同，且仅支持lod_level为1。数据类型支持int32，int64，float32或float64。

  • y (Variable) - 输入变量，LoDTensor，lod level必须为1。
  • 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

扩展变量，维度为

sequence_expand_as - 图2

的二维LoDTensor，N由输入 y 的lod决定，且仅支持lod_level为1。数据类型与输入 x 一致。

返回类型

Variable

代码示例

  1. import paddle.fluid as fluid
  2. import paddle.fluid.layers as layers
  3. import numpy as np
  5. x = fluid.data(name='x', shape=[1], dtype='float32')
  6. y = fluid.data(name='y', shape=[1], dtype='float32', lod_level=1)
  7. out = layers.sequence_expand_as(x=x, y=y)
  9. exe = fluid.Executor(fluid.CPUPlace())
  10. place = fluid.CPUPlace()
  12. np_data = np.array([[1], [2], [3], [4]]).astype('float32')
  13. x_lod_tensor = fluid.create_lod_tensor(np_data, [[2, 2]], place)
  14. print(x_lod_tensor)
  15. #lod: [[0, 2, 4]]
  16. #    dim: 4, 1
  17. #    layout: NCHW
  18. #    dtype: float
  19. #    data: [1 2 3 4]
  21. y_lod_tensor = fluid.create_random_int_lodtensor([[3,3,1,1]], [1],
  22.                                                 place, low=0, high=1)
  23. print(y_lod_tensor)
  24. #lod: [[0, 3, 6, 7, 8]]
  25. #    dim: 8, 1
  26. #    layout: NCHW
  27. #    dtype: int64_t
  28. #    data: [0 0 1 0 1 1 1 0]
  30. out_main = exe.run(fluid.default_main_program(),
  31.                   feed={'x': x_lod_tensor, 'y': y_lod_tensor},
  32.                   fetch_list=[out], return_numpy=False)
  33. print(out_main[0])
  34. #lod: [[0, 3, 6, 7, 8]]
  35. #    dim: 8, 1
  36. #    layout: NCHW
  37. #    dtype: float
  38. #    data: [1 1 1 2 2 2 3 4]