sequence_expand_as¶
Sequence Expand As Layer,该 OP 根据输入 y
的第 0 级 lod 对输入 x
进行扩展。当前实现要求 y
的 lod 层数(level)必须为 1,且 x
的第一维必须和 y
的第 0 层 lod 大小相同,所以扩展后的 LodTensor 具有和 y
相同的 lod。扩展结果与输入 x
的 lod 无关,所以无需考虑 x
的 lod。
该 API 的输入 x
可以是 Tensor 或 LoDTensor, y
只能是 LodTensor。
范例解释如下:
例 1:
假设,有 4 个长度维 1 的序列[a]、[b]、[c]和[d],现在要将其扩展为长度是 3、3、1、1 的序列[a][a][a]、[b][b][b]、[c]和[d]。
显然,扩展后的序列 lod 为[0, 3, 6, 7, 8],则:
给定输入一维 LoDTensor x
x.data = [[a], [b], [c], [d]]
x.dims = [4, 1]
和输入 y
y.lod = [[3, 3, 1, 1]] #为了便于理解这里用基于长度 lod 表示
经过 sequence_expand_as 运算,得到输出 1 级 LoDTensor out
out.lod = [[0, 3, 6, 7, 8]] #基于偏移的 lod,等价于基于长度的[[3, 3, 1, 1]]
out.data = [[a], [a], [a], [b], [b], [b], [c], [d]]
out.dims = [8, 1]
可见,输出 out 将 x 扩展至和 y 具有相同的 lod。
例 2:
设定与例 1 类似,给定输入一维 LoDTensor x:
x.data = [[a, b], [c, d], [e, f]]
x.dims = [3, 2]
和输入 y:
y.lod = [[2, 1, 3]] #为了便于理解这里用基于长度 lod 表示
输出为 1 级 LoDTensor:
out.lod = [[0, 2, 3, 6]] #基于偏移的 lod,等价于基于长度的[[2, 1, 3]]
out.data = [[a, b], [a, b] [c, d], [e, f], [e, f], [e, f]]
out.dims = [6, 2]
可见,输出 out 将 x 扩展至和 y 具有相同的 lod。
参数¶
x (Variable) - 输入变量,维度为 \([M, K]\) 的二维 Tensor 或 LoDTensor,第一维必须与输入
y
的第 0 层 lod 大小相同,且仅支持 lod_level 为 1。数据类型支持 int32,int64,float32 或 float64。y (Variable) - 输入变量,LoDTensor,lod level 必须为 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¶
扩展变量,维度为 \([N, K]\) 的二维 LoDTensor,N 由输入 y
的 lod 决定,且仅支持 lod_level 为 1。数据类型与输入 x
一致。
代码示例¶
import paddle
import paddle.fluid as fluid
paddle.enable_static()
import numpy as np
x = paddle.static.data(name='x', shape=[4, 1], dtype='float32')
y = paddle.static.data(name='y', shape=[8, 1], dtype='float32', lod_level=1)
out = paddle.static.nn.sequence_expand_as(x=x, y=y)
exe = fluid.Executor(fluid.CPUPlace())
place = fluid.CPUPlace()
np_data = np.array([[1], [2], [3], [4]]).astype('float32')
x_lod_tensor = fluid.create_lod_tensor(np_data, [[2, 2]], place)
print(x_lod_tensor)
#lod: [[0, 2, 4]]
# dim: 4, 1
# layout: NCHW
# dtype: float
# data: [1 2 3 4]
np_data = np.array([[1], [2], [3], [4], [5], [6], [7], [8]]).astype('float32')
y_lod_tensor = fluid.create_lod_tensor(np_data, [[3,3,1,1]], place)
print(y_lod_tensor)
#lod: [[0, 3, 6, 7, 8]]
# dim: 8, 1
# layout: NCHW
# dtype: int64_t
# data: [0 0 1 0 1 1 1 0]
out_main = exe.run(fluid.default_main_program(),
feed={'x': x_lod_tensor, 'y': y_lod_tensor},
fetch_list=[out], return_numpy=False)
print(out_main[0])
#lod: [[0, 3, 6, 7, 8]]
# dim: 8, 1
# layout: NCHW
# dtype: float
# data: [1 1 1 2 2 2 3 4]