sequence_expand_as¶

paddle.static.nn. sequence_expand_as ( x, y, name=None ) [源代码] ¶

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， 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 Tensor 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 Tensor 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 Tensor 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 Tensor：
    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，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，Tensor，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 Tensor，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.base as base
>>> 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 = base.Executor(base.CPUPlace())
>>> place = base.CPUPlace()

>>> np_data = np.array([[1], [2], [3], [4]]).astype('float32')
>>> x_lod_tensor = base.create_lod_tensor(np_data, [[2, 2]], place)
>>> print(x_lod_tensor)
- lod: {{0, 2, 4}}
- place: Place(cpu)
- shape: [4, 1]
- layout: NCHW
- dtype: float32
- data: [1 2 3 4]

>>> np_data = np.array([[1], [2], [3], [4], [5], [6], [7], [8]]).astype('float32')
>>> y_lod_tensor = base.create_lod_tensor(np_data, [[3,3,1,1]], place)
>>> print(y_lod_tensor)
- lod: {{0, 3, 6, 7, 8}}
- place: Place(cpu)
- shape: [8, 1]
- layout: NCHW
- dtype: float32
- data: [1 2 3 4 5 6 7 8]

>>> out_main = exe.run(base.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}}
- place: Place(cpu)
- shape: [8, 1]
- layout: NCHW
- dtype: float32
- data: [1 1 1 2 2 2 3 4]

         