unique_consecutive¶

参数¶

• x (Tensor) - 输入的 Tensor ，数据类型为：float32、float64、int32、int64。

• return_inverse (bool, 可选) - 如果为True，则还返回输入Tensor的元素对应在连续不重复元素中的索引，该索引可用于重构输入Tensor。默认：False.

• return_counts (bool, 可选) - 如果为True，则还返回每个连续不重复元素在输入Tensor中的个数。默认：False.

• axis (int, 可选) - 指定选取连续不重复元素的轴。默认值为None，将输入平铺为1-D的Tensor后再选取连续不重复元素。默认：None.

• dtype (np.dtype|str, 可选) - 用于设置 inverse 或者 counts 的类型，应该为int32或者int64。默认：int64.

• name （str，可选）- 具体用法请参见 Name ，一般无需设置，默认值为None。

返回¶

• out (Tensor) - 连续不重复元素构成的Tensor，数据类型与输入一致。

• inverse (Tensor, 可选) - 输入Tensor的元素对应在连续不重复元素中的索引，仅在 return_inverse 为True时返回。

• counts (Tensor, 可选) - 每个连续不重复元素在输入Tensor中的个数，仅在 return_counts 为True时返回。

代码示例¶

import paddle

x = paddle.to_tensor([1, 1, 2, 2, 3, 1, 1, 2])
output = paddle.unique_consecutive(x) #
np_output = output.numpy() # [1 2 3 1 2]
_, inverse, counts = paddle.unique_consecutive(x, return_inverse=True, return_counts=True)
np_inverse = inverse.numpy() # [0 0 1 1 2 3 3 4]
np_counts = inverse.numpy() # [2 2 1 2 1]

x = paddle.to_tensor([[2, 1, 3], [3, 0, 1], [2, 1, 3], [2, 1, 3]])
output = paddle.unique_consecutive(x, axis=0) #
np_output = output.numpy() # [2 1 3 0 1 2 1 3 2 1 3]

x = paddle.to_tensor([[2, 1, 3], [3, 0, 1], [2, 1, 3], [2, 1, 3]])
output = paddle.unique_consecutive(x, axis=0) #
np_output = output.numpy()
# [[2 1 3]
#  [3 0 1]
#  [2 1 3]]