reshape¶

paddle.sparse. reshape ( x, shape, name=None ) [源代码] ¶

在保持输入 x 数据不变的情况下，改变 x 的形状。 x 必须是一个 SparseCooTensor 或者 SparseCsrTensor 。

目前只能针对输入 x 的 sparse dims 部分改变形状，但是 shape 仍必须指定为变形后的 Tensor 的完整的形状。

注意如果 x 是一个 SparseCsrTensor ，则 len(shape) 必须为 2 或者 3。

在指定目标 shape 时存在一些技巧：

-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。

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：

给定一个形状为[2,4,6]的三维 Tensor x ，目标形状为[6,8]，则将 x 变换为形状为[6,8]的 2-D Tensor，且 x 的数据保持不变。

给定一个形状为[2,4,6]的三维 Tensor 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 Tensor，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。

给定一个形状为[2,4,6]的三维 Tensor 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 Tensor，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¶

x (Tensor) - sparse tensor，数据类型为 float32、 float64、 int32、 int64 或者 bool。

shape (list|tuple) - 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 。

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¶

Tensor ：改变形状后的 Tensor，数据类型与 x 相同。

代码示例¶

          import paddle

x_shape = [6, 2, 3]
new_shape = [1, 0, 2, -1, 3]
format = "coo"

dense_x = paddle.randint(-100, 100, x_shape) * paddle.randint(0, 2, x_shape)

if format == "coo":
    sp_x = dense_x.to_sparse_coo(len(x_shape))
else:
    sp_x = dense_x.to_sparse_csr()
sp_out = paddle.sparse.reshape(sp_x, new_shape)

print(sp_out)
# the shape of sp_out is [1, 2, 2, 3, 3]

         