InputSpec
class paddle.static.InputSpec
( shape=None, dtype=’float32’, name=None ) [源代码]
用于描述模型输入的签名信息,包括shape、dtype和name。
此接口常用于指定高层API中模型的输入张量信息,或动态图转静态图时,指定被 paddle.jit.to_static
装饰的forward函数每个输入参数的张量信息。
参数:
shape (list|tuple)- 声明维度信息的list或tuple,默认值为None。
dtype (np.dtype|VarType|str,可选)- 数据类型,支持bool,float16,float32,float64,int8,int16,int32,int64,uint8。默认值为float32。
name (str)- 被创建对象的名字,具体用法请参见 Name 。
返回:初始化后的 InputSpec
对象
返回类型:InputSpec
代码示例
from paddle.static import InputSpec
input = InputSpec([None, 784], 'float32', 'x')
label = InputSpec([None, 1], 'int64', 'label')
print(input) # InputSpec(shape=(-1, 784), dtype=VarType.FP32, name=x)
print(label) # InputSpec(shape=(-1, 1), dtype=VarType.INT64, name=label)
from_tensor
( tensor, name=None )
该接口将根据输入Tensor的shape、dtype等信息构建InputSpec对象。
参数:
tensor (Tensor) - 用于构建InputSpec的源Tensor
name (str): 被创建对象的名字,具体用法请参见 Name 。 默认为:None。
返回:根据Tensor信息构造的 InputSpec
对象
返回类型:InputSpec
代码示例
import numpy as np
import paddle
from paddle.static import InputSpec
x = paddle.to_tensor(np.ones([2, 2], np.float32))
x_spec = InputSpec.from_tensor(x, name='x')
print(x_spec) # InputSpec(shape=(2, 2), dtype=VarType.FP32, name=x)
from_numpy
( ndarray, name=None )
该接口将根据输入numpy ndarray的shape、dtype等信息构建InputSpec对象。
参数:
ndarray (Tensor) - 用于构建InputSpec的numpy ndarray
name (str): 被创建对象的名字,具体用法请参见 Name 。 默认为:None。
返回:根据ndarray信息构造的 InputSpec
对象
返回类型:InputSpec
代码示例
import numpy as np
from paddle.static import InputSpec
x = np.ones([2, 2], np.float32)
x_spec = InputSpec.from_numpy(x, name='x')
print(x_spec) # InputSpec(shape=(2, 2), dtype=VarType.FP32, name=x)
batch
( batch_size )
该接口将batch_size插入到当前InputSpec对象的shape元组最前面。
参数:
- batch_size (int) - 被插入的batch size整型数值
返回: 更新shape信息后的 InputSpec
对象
返回类型:InputSpec
代码示例
from paddle.static import InputSpec
x_spec = InputSpec(shape=[64], dtype='float32', name='x')
x_spec.batch(4)
print(x_spec) # InputSpec(shape=(4, 64), dtype=VarType.FP32, name=x)
unbatch
( )
该接口将当前InputSpec对象shape[0]值移除。
返回: 更新shape信息后的 InputSpec
对象
返回类型:InputSpec
代码示例
from paddle.static import InputSpec
x_spec = InputSpec(shape=[4, 64], dtype='float32', name='x')
x_spec.unbatch()
print(x_spec) # InputSpec(shape=(64,), dtype=VarType.FP32, name=x)