fill_constant_batch_size_like

paddle.fluid.layers.fill_constant_batch_size_like(input, shape, dtype, value, input_dim_idx=0, output_dim_idx=0, force_cpu=False)[源代码]

该OP创建一个形状为shape并且数据类型为dtype的Tensor,同时用 value 中提供的常量初始化该Tensor。在输入为LoDTensor并且input_dim_idx为0的 时候将输出output_dim_idx维度的大小设置为input输入的batch_size的值,创建的Tensor的stop_gradient属性默认为False。

参数:
  • input (Variable)- 输入的Tensor或者LoDTensor,支持数据类型为 float32, float64, int32, int64,bool。
  • shape (list)- 创建Tensor的shape,最后创建的LoDTensor的shape可能会依据input发生变动。
  • dtype (np.dtype|core.VarDesc.VarType|str)- 创建Tensor的数据类型,支持数据类型为 float32, float64, int32, int64,bool。
  • value (float|int)- 用于初始化输出Tensor的常量数据的值。
  • input_dim_idx (int)- 当值为0并且输入为LoDTensor的时候,创建Tensor的output_dim_idx维度会设置为input的batch_size值,默认值为0。
  • output_dim_idx (int) -用于指定创建的Tensor哪个维度设置为输入batch_size的值,默认值为0。
  • force_cpu (bool)- 用于返回的Tensor是否创建在CPU上,默认值为False,若设为true,则数据在CPU上。

返回:创建的Tensor, 数据类型为dtype。

返回类型:(Variable)

代码示例

import paddle.fluid as fluid
like = fluid.layers.fill_constant(shape=[1,2], value=10, dtype='int64') #like=[[10, 10]]
data = fluid.layers.fill_constant_batch_size_like(
            input=like, shape=[1], value=0, dtype='int64') #like=[[10, 10]] data=[0]