sequence_pad¶
序列填充操作符（Sequence Pad Operator），该 OP 将同一 batch 中的序列填充到一个一致的长度（由 maxlen 指定）。填充的新元素的值具体由输入 pad_value 指定，并会添加到每一个序列的末尾，使得他们最终的长度保持一致。最后返回一个 Python tuple (Out, Length)，其中 LodTensor Out 为填充后的序列，LodTensor Length 为填充前的原序列长度信息。
该 API 的输入 x 只能是带有 LoD 信息的 Tensor。
范例如下：
例 1:
给定输入 1-level Tensor x:
x.lod = [[0, 2, 5]] #输入的两个序列长度是 2 和 3
x.data = [[a],[b],[c],[d],[e]]
和输入 pad_value:
pad_value.data = [0]
设置 maxlen = 4
得到得到 tuple (Out, Length):
Out.data = [[[a],[b],[0],[0]],[[c],[d],[e],[0]]]
Length.data = [2, 3] #原序列长度是 2 和 3
例 2:
给定输入 1-level Tensor x:
x.lod = [[0, 2, 5]]
x.data = [[a1,a2],[b1,b2],[c1,c2],[d1,d2],[e1,e2]]
和输入 pad_value:
pad_value.data = [0]
默认 maxlen = None, (根据 x 的形状，此例中实际长度为 3)
得到得到 tuple (Out, Length):
Out.data = [[[a1,a2],[b1,b2],[0,0]],[[c1,c2],[d1,d2],[e1,e2]]]
Length.data = [2， 3]
例 3:
给定输入 1-level Tensor x:
x.lod = [[0, 2, 5]]
x.data = [[a1,a2],[b1,b2],[c1,c2],[d1,d2],[e1,e2]]
和输入 pad_value:
pad_value.data = [p1,p2]
默认 maxlen = None, (根据 x 的形状，此例中实际长度为 3）
得到 tuple (Out, Length):
Out.data = [[[a1,a2],[b1,b2],[p1,p2]],[[c1,c2],[d1,d2],[e1,e2]]]
Length.data = [2， 3]
参数¶
x (Tensor) - 输入，维度为
[M, K]的 Tensor，仅支持 lod_level 为 1。lod 所描述的序列数量，作为要填充的 batch_size。数据类型为 int32，int64，float32 或 float64。pad_value (Tensor) - 填充值，可以是标量或长度为
K的一维 Tensor。如果是标量，则自动广播为 Tensor。数据类型需与x相同。maxlen (int，可选) - 填充序列的长度。默认为 None，此时以序列中最长序列的长度为准，其他所有序列填充至该长度。当是某个特定的正整数，最大长度必须大于最长初始序列的长度。
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¶
元素为两个 Tensor 的 Python tuple。第一个元素为填充后的变量 Out，形状为 [batch_size, maxlen, K] ，lod level 为 0 的 Tensor，数据类型与输入 x 相同。第二个元素为填充前的原序列长度信息 Length ，lod level 为 0 的一维 Tensor，长度等于 batch_size，数据类型为 int64。
代码示例¶
>>> import paddle
>>> paddle.enable_static()
>>> import paddle.base as base
>>> import numpy
>>> x = paddle.static.data(name='x', shape=[10, 5], dtype='float32', lod_level=1)
>>> pad_value = paddle.assign(
... numpy.array([0.0], dtype=numpy.float32))
>>> out = paddle.static.nn.sequence_pad(x=x, pad_value=pad_value)