reorder_lod_tensor_by_rank

paddle.fluid.layers.reorder_lod_tensor_by_rank ( x, rank_table ) [源代码]

该OP根据 rank_table 中提供的 LoDRankTable 类型的顺序信息来实现对 X 的重新排列。 接口参数 X 是由多个序列(Sequence)组成的的一个批序列(Batch of Sequences), rank_table 存储着对batch中序列重新排列的 LoDRankTable 类型的顺序信息。

例如:

假设在 rank_table 中存储的序列索引为

reorder_lod_tensor_by_rank - 图1

X 将会被这样被重新排列: X 中的第四个序列(即索引为3的序列,后面以此类推)会变成排列后的batch中的第一个,紧接着就是原来batch中的第一个元素,第三个元素,和第二个元素。 简言之,若有原batch:

reorder_lod_tensor_by_rank - 图2

且 RankTable 中的索引为

reorder_lod_tensor_by_rank - 图3

,那么输出即为

reorder_lod_tensor_by_rank - 图4

,它携带着新的LoD信息。 如果 X 的LoD信息是空的,这表明 X 不是序列型数据。这和由多个定长为1的序列组成的batch是相同的情况。此时,该函数将对 X 中数据 在第一轴(axis)上按 rank_table 里的规则加以排列。 例如,现有 X\=[Slice0,Slice1,Slice2,Slice3]X\=[Slice0,Slice1,Slice2,Slice3] ,并且它LoD信息为空,在 rank_table 索引为 [3,0,2,1][3,0,2,1] 。则 Out\=[Slice3,Slice0,Slice2,Slice1]Out\=[Slice3,Slice0,Slice2,Slice1] ,并且不在其中追加LoD信息。

注意:该OP对 X 进行的排序所依据的 LoDRankTable 不一定是在 X 的基础上得出来的。它可以由其他不同的序列得出,并由该OP依据这个 LoDRankTable 来对 X 排序。

参数:

  • x (Variable) - 待根据提供的 rank_table 进行排序的LoDTensor.

  • rank_table (Variable) - 提供对 x 重新排列的 LoDRankTable 类型的顺序信息.

返回: 重新排列后的LoDTensor

返回类型: Variable

代码示例

  1. import numpy as np
  2. import paddle.fluid as fluid
  3. rank_data = fluid.layers.data(name='rank_data', shape=[5], dtype='float32', lod_level=2)
  4. table = fluid.layers.control_flow.lod_rank_table(rank_data, level=1)
  5. data = fluid.layers.data(name='data', shape=[9], lod_level=2)
  6. new_data = fluid.layers.reorder_lod_tensor_by_rank(
  7. x=data, rank_table=table)
  8. place=fluid.CPUPlace()
  9. exe = fluid.Executor(place)
  10. exe.run(fluid.default_startup_program())
  11. rank_tensor = fluid.create_lod_tensor(np.random.random([14,5]).astype("float32"), [[4,1], [3, 2, 2, 3, 4]], place)
  12. data_ndarray = np.random.random([27, 9]).astype("float32")
  13. data_lod = [[1, 2, 2, 4, 4], [2, 2, 4, 2, 2, 2, 1, 1, 2, 2, 4, 2, 1]]
  14. data_tensor = fluid.create_lod_tensor(data_ndarray, data_lod, place)
  15. out = exe.run(fluid.default_main_program(),feed={'data':data_tensor, 'rank_data':rank_tensor}, fetch_list=[new_data], return_numpy=False)
  16. print(out[0])
  17. # lod: {{0, 4, 5, 9, 11, 13}{0, 2, 6, 8, 9, 11, 13, 14, 15, 17, 19, 23, 25, 27}}
  18. #shape: [27, 9]