filter_by_instag

paddle.fluid.layers. filter_by_instag ( ins, ins_tag, filter_tag, is_lod ) [源代码]

此函数通过instag来过滤ins batch，大量属于同样的tags的样本，我们可以指定我们想要的一些tags，属于这些tags的样本将会被保留在输出中，其余的将会移除。比如，一个batch有4个样本，每个样本都有自己的tag表。

Ins | Ins_Tag |

|:—–:|:——:|

0 | 0, 1 |

1 | 1, 3 |

2 | 0, 3 |

3 | 2, 6 |

Lod为[1，1，1，1]，filter tags为[1]，从上面的定义中，带有标签[1]的样本将会通过filter，所以，样本0和1将会通过并且出现在输出中。准确来说，如果 is_lod 为false，它是一个等于值全为1的lod_tensor的普通的tensor，和上面的例子很相似。

参数：

  • ins (Variable) - 输入变量(LoDTensor)，通常为2D向量，第一个维度可以有lod info，也可以没有。

  • ins_tag (Variable) - 输入变量(LoDTensor),通常为1维列表，通过lod info来分割。

  • filter_tag (Variable) - 输入变量(1D Tensor/List)，通常为持有tags的列表。

  • is_lod (Bool) – 指定样本是否为lod tensor的布尔值。

  • out_val_if_empty (Int64) - 如果batch内样本被全部过滤，输出会被指定成这个值。

返回：过滤之后的样本（LoDTensor）和 损失权重（Tensor）。

返回类型：变量（Variable）

代码示例：

  1. import paddle.fluid.layers as layers
  2. ins = layers.data(name='Ins', shape=[-1,32], lod_level=0, dtype='float64')
  3. ins_tag = layers.data(name='Ins_tag', shape=[-1,16], lod_level=0, dtype='int64')
  4. filter_tag = layers.data(name='Filter_tag', shape=[-1,16], dtype='int64')
  5. out, loss_weight = layers.filter_by_instag(ins,  ins_tag,  filter_tag, True)