reshape¶
- paddle.fluid.layers. reshape ( x, shape, actual_shape=None, act=None, inplace=False, 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。
目标形状可由 shape
或 actual_shape
给出。当两个属性同时被指定时,actual_shape
的优先级高于 shape
,但此时 shape
只能是整数列表或元组,且在编译时仍然应该正确地设置 shape
以保证形状推断。
在指定目标shape时存在一些技巧:
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. 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. 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. 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. 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¶
actual_shape
之后将被舍弃,只用参数 shape
来表示目标形状。
参数¶
x (Tensor)- N-D
Tensor
,数据类型为float32
,float64
,int32
,或int64
。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
。actual_shape (Tensor,可选)- 1-D
Tensor
,默认值:None。如果actual_shape
被提供,actual_shape
具有比shape
更高的优先级,此时shape
只能是整数列表或元组。更新提示:actual_shape
在未来的版本中将被舍弃,并用shape
代替。act (str,可选)- 对形状改变后的输入变量做非线性激活操作,激活函数类型可以参考 激活函数。默认值:
None
。inplace (bool,可选)- 如果
inplace
为True
,则layers.reshape
的输入和输出是同一个变量,否则layers.reshape
的输入和输出是不同的变量。默认值:False
。请注意,如果x
是多个OP的输入,则inplace
必须为False。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¶
代码示例¶
import paddle.fluid as fluid
# example 1:
# attr shape is a list which doesn't contain Tensors.
data_1 = fluid.data(
name='data_1', shape=[2, 4, 6], dtype='float32')
reshaped_1 = fluid.layers.reshape(
x=data_1, shape=[-1, 0, 3, 2], inplace=True)
# the shape of reshaped_1 is [2,4,3,2].
# example 2:
# attr shape is a list which contains Tensors.
data_2 = fluid.layers.fill_constant([2,25], "int32", 3)
dim = fluid.layers.fill_constant([1], "int32", 5)
reshaped_2 = fluid.layers.reshape(data_2, shape=[dim, 10])
# the shape of reshaped_2 is [5,10].
# example 3:
data_3 = fluid.data(
name="data_3", shape=[2,4,6], dtype='float32')
reshaped_3 = fluid.layers.reshape(x=data_3, shape=[6,8])
# the shape of reshaped_3 is [6,8].