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].

         