LoDTensor

class paddle.fluid.LoDTensor

LoDTensor是一个具有LoD（Level of Details）信息的张量（Tensor），可用于表示变长序列，详见 cn_user_guide_lod_tensor 。

LoDTensor可以通过 np.array(lod_tensor) 方法转换为numpy.ndarray。

如果您不需要了解LoDTensor的细节，可以跳过以下的注解。

下面以两个例子说明如何用LoDTensor表示变长序列。

示例1：

假设x为一个表示变长序列的LoDTensor，它包含2个逻辑子序列，第一个序列长度是2（样本数量为2），第二个序列长度是3，总序列长度为5。 第一个序列的数据为[1, 2], [3, 4]，第二个序列的数据为[5, 6], [7, 8], [9, 10]，每个样本数据的维度均是2，该LoDTensor最终的shape为[5, 2]，其中5为总序列长度，2为每个样本数据的维度。

在逻辑上，我们可以用两种方式表示该变长序列，一种是递归序列长度的形式，即x.recursive_sequence_length = [[2, 3]]；另一种是偏移量的形式，即x.lod = [[0, 2, 2+3]]。 这两种表示方式是等价的，您可以通过LoDTensor的相应接口来设置和获取recursive_sequence_length或LoD。

在实现上，为了获得更快的序列访问速度，Paddle采用了偏移量的形式来存储不同的序列长度。因此，对recursive_sequence_length的操作最终将转换为对LoD的操作。

  1. x.data = [[1, 2], [3, 4],
  2.           [5, 6], [7, 8], [9, 10]]
  4. x.shape = [5, 2]
  6. x.recursive_sequence_length = [[2, 3]]
  8. x.lod  =  [[0, 2, 5]]

示例2：

LoD可以有多个level（例如，一个段落可以有多个句子，一个句子可以有多个单词）。假设y为LoDTensor ，lod_level为2。从level=0来看有2个逻辑序列，序列长度分别为2和1，表示第一个逻辑序列包含2个子序列，第二个逻辑序列包含1个子序列。从level=1来看，第一个逻辑序列包含的2个子序列长度分别为2和2，第二个逻辑序列包含的1个子序列长度为3。

因此，该LoDTensor以递归序列长度形式表示为 y.recursive_sequence_length = [[2, 1], [2, 2, 3]]；相应地，以偏移量形式表示为 y.lod = [[0, 2, 3], [0, 2, 4, 7]]。

  1. y.data = [[1, 2], [3, 4],
  2.           [5, 6], [7, 8],
  3.           [9, 10], [11, 12], [13, 14]]
  5. y.shape = [2+2+3, 2]
  7. y.recursive_sequence_length = [[2, 1], [2, 2, 3]]
  9. y.lod = [[0, 2, 3], [0, 2, 4, 7]]

示例代码

  1. import paddle.fluid as fluid
  3. t = fluid.LoDTensor()

has_valid_recursive_sequence_lengths(self: paddle.fluid.core_avx.LoDTensor) → bool

该接口检查LoDTensor的LoD的正确性。

返回： 是否带有正确的LoD。

返回类型： bool。

示例代码

  1. import paddle.fluid as fluid
  2. import numpy as np
  4. t = fluid.LoDTensor()
  5. t.set(np.ndarray([5, 30]), fluid.CPUPlace())
  6. t.set_recursive_sequence_lengths([[2, 3]])
  7. print(t.has_valid_recursive_sequence_lengths())  # True

lod(self: paddle.fluid.core_avx.LoDTensor) → List[List[int]]

该接口返回LoDTensor的LoD。

返回：LoDTensor的LoD。

返回类型：List [List [int]]。

示例代码

  1. import paddle.fluid as fluid
  2. import numpy as np
  4. t = fluid.LoDTensor()
  5. t.set(np.ndarray([5, 30]), fluid.CPUPlace())
  6. t.set_lod([[0, 2, 5]])
  7. print(t.lod()) # [[0, 2, 5]]

recursive_sequence_lengths(self: paddle.fluid.core_avx.LoDTensor) → List[List[int]]

该接口返回与LoDTensor的LoD对应的递归序列长度。

返回：LoDTensor的LoD对应的递归序列长度。

返回类型：List [List [int]]。

示例代码

  1. import paddle.fluid as fluid
  2. import numpy as np
  4. t = fluid.LoDTensor()
  5. t.set(np.ndarray([5, 30]), fluid.CPUPlace())
  6. t.set_recursive_sequence_lengths([[2, 3]])
  7. print(t.recursive_sequence_lengths())  # [[2, 3]]

set ( \args, **kwargs* )

该接口根据输入的numpy array和设备place，设置LoDTensor的数据。

重载函数：

  1. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[float32], place: paddle::platform::CPUPlace) -> None

  2. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[int32], place: paddle::platform::CPUPlace) -> None

  3. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[float64], place: paddle::platform::CPUPlace) -> None

  4. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[int64], place: paddle::platform::CPUPlace) -> None

  5. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[bool], place: paddle::platform::CPUPlace) -> None

  6. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[uint16], place: paddle::platform::CPUPlace) -> None

  7. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[uint8], place: paddle::platform::CPUPlace) -> None

  8. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[int8], place: paddle::platform::CPUPlace) -> None

  9. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[float32], place: paddle::platform::CUDAPlace) -> None

  10. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[int32], place: paddle::platform::CUDAPlace) -> None

  11. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[float64], place: paddle::platform::CUDAPlace) -> None

  12. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[int64], place: paddle::platform::CUDAPlace) -> None

  13. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[bool], place: paddle::platform::CUDAPlace) -> None

  14. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[uint16], place: paddle::platform::CUDAPlace) -> None

  15. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[uint8], place: paddle::platform::CUDAPlace) -> None

  16. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[int8], place: paddle::platform::CUDAPlace) -> None

  17. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[float32], place: paddle::platform::CUDAPinnedPlace) -> None

  18. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[int32], place: paddle::platform::CUDAPinnedPlace) -> None

  19. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[float64], place: paddle::platform::CUDAPinnedPlace) -> None

  20. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[int64], place: paddle::platform::CUDAPinnedPlace) -> None

  21. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[bool], place: paddle::platform::CUDAPinnedPlace) -> None

  22. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[uint16], place: paddle::platform::CUDAPinnedPlace) -> None

  23. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[uint8], place: paddle::platform::CUDAPinnedPlace) -> None

  24. set(self: paddle.fluid.core_avx.Tensor, array: numpy.ndarray[int8], place: paddle::platform::CUDAPinnedPlace) -> None

参数：

  • array (numpy.ndarray) - 要设置的numpy array，支持的数据类型为bool, float32, float64, int8, int32, int64, uint8, uint16。

  • place (CPUPlace|CUDAPlace|CUDAPinnedPlace) - 要设置的LoDTensor所在的设备。

返回：无。

示例代码

  1. import paddle.fluid as fluid
  2. import numpy as np
  4. t = fluid.LoDTensor()
  5. t.set(np.ndarray([5, 30]), fluid.CPUPlace())

set_lod(self: paddle.fluid.core_avx.LoDTensor, lod: List[List[int]]) → None

该接口设置LoDTensor的LoD。

参数：

  • lod （List [List [int]]） - 要设置的LoD。

返回：无。

示例代码

  1. import paddle.fluid as fluid
  2. import numpy as np
  4. t = fluid.LoDTensor()
  5. t.set(np.ndarray([5, 30]), fluid.CPUPlace())
  6. t.set_lod([[0, 2, 5]])
  7. print(t.lod())  # [[0, 2, 5]]

set_recursive_sequence_lengths(self: paddle.fluid.core_avx.LoDTensor, recursive_sequence_lengths: List[List[int]]) → None

该接口根据递归序列长度 recursive_sequence_lengths 设置LoDTensor的LoD。

例如，如果 recursive_sequence_lengths = [[2, 3]]，意味着有两个长度分别为2和3的序列，相应的LoD是[[0, 2, 2 + 3]]，即[[0, 2, 5]]。

参数：

  • recursive_sequence_lengths (List [List [int]]) - 递归序列长度。

返回：无。

示例代码

  1. import paddle.fluid as fluid
  2. import numpy as np
  4. t = fluid.LoDTensor()
  5. t.set(np.ndarray([5, 30]), fluid.CPUPlace())
  6. t.set_recursive_sequence_lengths([[2, 3]])
  7. print(t.recursive_sequence_length())  # [[2, 3]]
  8. print(t.lod())  # [[0, 2, 5]]

shape(self: paddle.fluid.core_avx.Tensor) → List[int]

该接口返回LoDTensor的shape。

返回：LoDTensor的shape。

返回类型：List[int] 。

示例代码

  1. import paddle.fluid as fluid
  2. import numpy as np
  4. t = fluid.LoDTensor()
  5. t.set(np.ndarray([5, 30]), fluid.CPUPlace())
  6. print(t.shape())  # [5, 30]