crop

paddle. crop ( x, shape=None, offsets=None, name=None ) [源代码]

根据偏移量(offsets)和形状(shape),裁剪输入(x)Tensor。

示例

* 示例1(输入为2-D Tensor):

    输入:
        X.shape = [3, 5]
        X.data = [[0, 1, 2, 0, 0],
                  [0, 3, 4, 0, 0],
                  [0, 0, 0, 0, 0]]

    参数:
        shape = [2, 2]
        offsets = [0, 1]

    输出:
        Out.shape = [2, 2]
        Out.data = [[1, 2],
                    [3, 4]]

* 示例2(输入为3-D Tensor):

    输入:

        X.shape = [2, 3, 4]
        X.data =  [[[0, 1, 2, 3],
                    [0, 5, 6, 7],
                    [0, 0, 0, 0]],
                   [[0, 3, 4, 5],
                    [0, 6, 7, 8],
                    [0, 0, 0, 0]]]

    参数:
        shape = [2, 2, -1]
        offsets = [0, 0, 1]

    输出:
        Out.shape = [2, 2, 3]
        Out.data = [[[1, 2, 3],
                     [5, 6, 7]],
                    [[3, 4, 5],
                     [6, 7, 8]]]

参数

  • x (Tensor): 1-D到6-D Tensor,数据类型为float32、float64、int32或者int64。

  • shape (list|tuple|Tensor) - 输出Tensor的形状,数据类型为int32。如果是列表或元组,则其长度必须与x的维度大小相同,如果是Tensor,则其应该是1-D Tensor。当它是列表时,每一个元素可以是整数或者形状为[1]的Tensor。含有Variable的方式适用于每次迭代时需要改变输出形状的情况。

  • offsets (list|tuple|Tensor,可选) - 每个维度上裁剪的偏移量,数据类型为int32。如果是列表或元组,则其长度必须与x的维度大小相同,如果是Tensor,则其应是1-D Tensor。当它是列表时,每一个元素可以是整数或者形状为[1]的Variable。含有Variable的方式适用于每次迭代的偏移量(offset)都可能改变的情况。默认值:None,每个维度的偏移量为0。

  • 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

裁剪后的Tensor,数据类型与输入(x)相同。

代码示例

COPY-FROM: paddle.crop:code-example1