reshape

paddle.reshape ( x, shape, name=None ) [源代码]

该OP在保持输入 x 数据不变的情况下，改变 x 的形状。

请注意，在动态图模式下，输出Tensor将与输入Tensor共享数据，并且没有Tensor数据拷贝的过程。 如果不希望输入与输出共享数据，请使用 Tensor.clone ，例如 reshape_clone_x = x.reshape([-1]).clone() 。

在指定目标shape时存在一些技巧：

  1. 1. -1 表示这个维度的值是从x的元素总数和剩余维度推断出来的。因此，有且只有一个维度可以被设置为-1。
  2. 2. 0 表示实际的维数是从x的对应维数中复制出来的，因此shape中0的索引值不能超过x的维度。

这里有一些例子来解释它们：

  1. 1. 给定一个形状为[2,4,6]的三维张量x，目标形状为[6,8]，则将x变换为形状为[6,8]的2-D张量，且x的数据保持不变。
  2. 2. 给定一个形状为[2,4,6]的三维张量x，目标形状为[2,3,-1,2]，则将x变换为形状为[2,3,4,2]的4-D张量，且x的数据保持不变。在这种情况下，目标形状的一个维度被设置为-1，这个维度的值是从x的元素总数和剩余维度推断出来的。
  3. 3. 给定一个形状为[2,4,6]的三维张量x，目标形状为[-1,0,3,2]，则将x变换为形状为[2,4,3,2]的4-D张量，且x的数据保持不变。在这种情况下，0对应位置的维度值将从x的对应维数中复制,-1对应位置的维度值由x的元素总数和剩余维度推断出来。

参数：

  • x （Tensor）- N-D Tensor，数据类型为 float32，float64，int32，int64 或者 bool。

  • shape （list|tuple|Tensor）- 数据类型是 int32 。定义目标形状。目标形状最多只能有一个维度为-1。如果 shape 的类型是 list 或 tuple, 它的元素可以是整数或者形状为[1]的 Tensor。如果 shape 的类型是 Tensor，则是1-D的 Tensor。

  • name （str，可选）- 默认值为 None， 一般不需要设置。 具体用法请参见 Name

返回：

Tensor，改变形状后的 Tensor，数据类型与 x 相同。

代码示例

  1. import numpy as np
  2. import paddle
  4. x = paddle.rand([2, 4, 6], dtype="float32")
  5. positive_four = paddle.full([1], 4, "int32")
  7. out = paddle.reshape(x, [-1, 0, 3, 2])
  8. print(out)
  9. # the shape is [2,4,3,2].
  11. out = paddle.reshape(x, shape=[positive_four, 12])
  12. print(out)
  13. # the shape of out_2 is [4, 12].
  15. shape_tensor = paddle.to_tensor(np.array([8, 6]).astype("int32"))
  16. out = paddle.reshape(x, shape=shape_tensor)
  17. print(out)
  18. # the shape is [8, 6].
  19. # 在动态图模式下，输出out与输入x共享数据
  20. x[0, 0, 0] = 10.
  21. print(out[0, 0])
  22. # the value is [10.]