reshape¶
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]